山西省農業碳效應時空分異及碳補償潛力研究

發布時間：2022-10-03 11:19

學位論文原創性聲明 1

學位論文版權使用授權書 1

摘要 1

ABSTRACT 3

第1 章緒論 1

1.1研究背景和意義 1

1.1.1研究背景 1

1.1.2研究意義 2

1.2國內外文獻綜述 3

1.2.1農業碳效應相關研究 3

1.2.2農業碳減排潛力相關研究 5

1.2.3研究進展評述 7

1.3研究內容與方法 7

1.3.1研究內容 7

1.3.2研究方法 8

1.4技術路線 9

1.5可能的創新之處 10

第2 章相關概念與理論基礎 11

2.1相關概念 11

2.1.1農業碳源與碳匯 11

2.1.2農業碳效應 11

2.1.3農業碳補償潛力 12

2.2理論基礎 12

2.2.1農業生態經濟學理論 12

2.2.2收斂理論 13

2.2.3農業可持續發展理論 14

2.3本章小結 14

第3章山西省農業碳效應時空分異 15

山西省農業碳效應時空分異及碳補償潛力研究

3.1農業碳效應核算方法 15

3.1.1農業碳排放模型 16

3.1.2農業碳吸收模型 17

3.1.3農業碳匯效應測算 18

3.2山西省農業碳排放核算與時空特征分析 18

3.2.1山西省農業碳排放時序變化特征 18

3.2.2山西省農業碳排放空間變化特征 22

3.3山西省農業碳吸收核算與時空特征分析 24

3.3.1山西省農業碳吸收時序變化特征 24

3.3.2山西省農業碳吸收空間變化特征 26

3.4山西省農業碳匯效應時空特征分析 28

3.4.1山西省農業碳匯效應時序變化特征 28

3.4.2山西省農業碳匯效應空間變化特征 30

3.5本章小結 32

第4章山西省農業碳補償率空間效應研究 33

4.1農業碳補償率時空特征分析 33

4.1.1農業碳補償率計算 33

4.1.2農業碳補償率時空特征分析 33

4.2農業碳補償率空間自相關分析 36

4.2.1研究方法 37

4.2.2全局空間自相關分析 38

4.2.3局部空間自相關分析 38

4.3農業碳補償率收斂性分析 41

4.3.1研究方法 41

4.3.2收斂模型檢驗 44

4.3.3收斂性檢驗分析 45

4.4本章小結 48

第5章山西省農業碳補償潛力研究 49

5.1農業碳補償潛力研究方法 49

5.2農業碳補償潛力區域差異分析 49

5.2.1山西省農業碳補償平均潛力差異分析 49

5.2.2地區層面農業碳補償平均潛力差異分析 51

5.3本章小結 52

第6 章山西省綠色農業發展對策 54

6.1因地制宜，促進山西省綠色農業特色產業發展 54

6.2以技術發展為推動力，提高農業資源利用效率 54

6.3促進區域交流合作，推進區域協同減排 55

6.4促進農地適度規模經營，優化土地利用格局 56

6.5加強政策、財政扶持引導作用 57

6.6本章小結 57

第7 章結論與展望 58

7.1研究結論 58

7.2研究不足與研究展望 59

參考文獻 60

致謝 66

攻讀碩士期間發表的論文和其他科研情況 67

第 1 章緒論

1.1研究背景和意義

1.1.1研究背景

隨著環境污染問題愈演愈烈，生態環境保護和可持續發展得到了各國政府的重視，綠色低碳已成為發展趨勢。2020年中國政府在聯合國大會上提出 2030碳達峰、2060 碳中和的“雙碳”目標，2021 年 10 月國務院發布了《2030 前碳達峰行動方案》，并指出降碳是當前我國生態文明建設的重點戰略方向。雖然工業活動是碳排放的主要驅動因素，但農業也是溫室氣體排放的重要來源（Norse D, 2012）。據統計，全球溫室氣體約有 30%來源于農業（謝淑娟等， 2010），中國的溫室氣體約有 16%來源于農業生態系統（陳煒等， 2019），農業生產過程中產生的碳排放不容忽視。

面對日益嚴峻的資源環境突出問題，中國政府早在2007 年就將農業減排列為工作重點，于 2009 年提出 2020 年農地單位產值溫室氣體排放量較 2005 年下降 40%~45%的目標（沈能等， 2013），并在 2015、2016 年進一步提出農業轉型發展戰略和生態文明建設目標。 2017年 9月中共中央辦公廳、國務院辦公廳印發并實施的《關于創新體制機制推進農業綠色發展的意見》將農業綠色發展擺在生態文明建設全局的突出位置。 2021 年農業農村部等印發的《“十四五”全國農業綠色發展規劃》以構建綠色低碳循環發展的農業發展模式為重點，提出加強畜禽糞污資源化利用，推進農膜科學使用回收，支持秸稈綜合利用等重點任務。 2022 年中央一號文件中提出應研發應用減碳增匯型農業技術，探索建立碳匯產品價值實現機制，以推進農業綠色發展。黨中央高度重視生態文明建設，運用生態文明的理念指導現代綠色農業發展，但農業主要依靠資源消耗的粗放經營方式沒有根本改變，且農業兼具碳排放和碳吸收的特性，其作用機理復雜，正確識別農業碳效應是科學管控農業碳排放、發展低碳農業的重要前提，同時立足于供給端和需求端，探尋農業的碳補償潛力，以實現農業低碳轉型。

山西是一個能源大省，經濟快速發展的進程中忽略了生態環境的保護，經濟發展與環境保護之間的矛盾日益突出，生態環境破壞嚴重。隨著生態文明建設目標的

提出，山西省在國家政策的引導下積極推進資源型經濟轉型發展戰略。近年來，山西省除了在工業方面大力開展能源革命，積極打造國家資源型經濟轉型綜改試驗區外，在農業發展方面圍繞農業現代化目標，積極構建新時代低碳農業生產體系，促進農業低排放。2017 年山西省農業廳發布了《山西省農業可持續發展規劃（2016—2030 年）》，該規劃闡述了化肥農藥零增長、農業廢棄物無害化處理等重點任務，明確了2016 年—2030年山西省農業可持續發展的目標。2019 年山西省農業廳印發的《2019 年全省種植業工作要點》提出加快推動綠色發展的工作要求。 2022年 3月又先后印發了《2022 年山西省農藥減量增效工作指導意見》和《2022 年山西省化肥減量增效工作指導意見》，全面落實農藥化肥減量增效行動工作任務。在推進生態文明建設和實現“雙碳”目標的背景下，開展農業碳效應與碳補償潛力研究，可以改善農業生態環境，推動山西省農業綠色低碳發展。

1.1.2研究意義

（1）理論意義

農業綠色發展是我國生態文明建設的必然要求。在實現“雙碳”目標的時代背景下，針對山西省農業碳效應及碳補償潛力的研究有利于豐富山西省農業綠色發展的相關內容與方法，為農業碳達峰和碳中和提供文獻支持。農業的最大特點是在生產過程中會產生碳排放，同時農作物通過光合作用吸收溫室氣體，本文在已有文獻的基礎上，統籌考慮農業碳排放和碳吸收的雙重特性，利用農業碳補償率將兩者銜接到一起，分析農業的碳補償潛力，在一定程度上彌補了農業碳減排潛力研究的不足，為促進山西省各地市區域協同減排和農業可持續發展提供一定的對策建議。

（2）現實意義

本文通過建立農業碳效應核算體系對山西省 11 個地級市的農業碳效應進行測算，并對農業碳排放、碳吸收及碳效應時空特征進行分析，有助于更加全面地把握山西省農業碳排放、碳吸收及碳效應的變遷軌跡、分布格局、結構層次等特征，積極促進山西省農業生產方式的轉變和農業可持續健康發展。同時考慮地理空間效應對農業碳效應的影響，利用空間自相關分析和B收斂性檢驗分析了山西省農業碳補償率的空間效應，在此基礎上基于參數對比法分析山西省農業碳補償潛力的區域差異，因地制宜提出各地市低碳農業發展的對策建議，對推動山西省農業綠色發展和區域協同減排具有一定的現實意義。

1.2國內外文獻綜述

1.2.1農業碳效應相關研究

國內外學者對農業碳效應的研究主要包括農業碳效應的核算與時空特征分析、農業碳效應的空間關聯與地區差異以及驅動機理研究三個方面。

（ 1 ）農業碳排放相關研究

國外學者認為農業碳排放大部分源自于施肥、水稻種植、農機使用、灌溉、畜牧養殖等活動。 West 等（ 2002）研究指出種子培育、灌溉和化肥等農資投入是農業碳排放的主要來源。 Johnson 等（ 2007）將水稻種植、畜禽養殖、農業能源、秸稈焚燒作為農業碳源測算了農業的碳排放量。 Meyer-Aurich 等（2006）采用 IPCC 碳排放核算方法分析了不同耕作方式所造成的碳排放量，結果表明輪作、農資投入減少等保護性耕作方式可以減少農業碳排放量°Wisniewaki等（2018）從牲畜養殖、土壤碳排放、廢棄物焚燒三個方面系統評估了波蘭的農業碳排放量，結果表明波蘭的農業碳排放量占該國碳排放量總量的 14%。

國內學者從不同角度構建農業碳排放核算體系，并對全國、區域的農業碳排放進行了實證分析。一些學者針對農業特定領域的碳排放問題構建核算體系，針對性強但指標體系相對簡單。李國志等（2010）估算了中國 1981 年—2007 年農業生產過程中能源消費所產生的碳排放量。班榮舶等（2017）基于畜禽數量估算了安順市 2001 年—2015 年畜禽養殖所產生的碳排放量。另一些學者則針對狹義農業的碳排放問題進行定量研究。李波等（2011）基于農業生產過程中 6個主要碳源（農用柴油、灌溉、化肥、翻耕、農藥、農膜）對中國1993年—2008的農業碳排放量進行了核算。戴小文等（ 2020 ）基于上述6 個排放因子測算了中國2007 年—2016 年種植業的碳排放量。多數學者如伍國勇等（2020）沿用該 6項指標對不同區域的農業碳排放量的時空特征進行分析，并對其驅動機理進行研究。在此基礎上學者們不斷豐富農業的碳排放源的研究，閔繼勝等（2012）基于化肥、稻田甲烷、土壤碳排、畜禽養殖四個方面構建農業碳排放核算體系，未將農資投入作為碳源計算農業的碳排放量。田云等（2012）從稻田、農資投入、畜禽養殖三個方面選取 16個指標測算了1995年—20 1 0年31 個省（市、區）的農業碳排放量。吳賢榮等（2017）從農資投入、能源消耗、稻田、畜禽養殖四個方面構建碳排放核算體系測算了 2002

年-2014 年中國31 個省的農業碳排放量。

(2)農業碳匯相關研究

國外學者聚焦于農業碳匯問題的定量研究，測算和分析了不同地區的林業碳匯、土壤碳匯和農作物碳匯。Paustian等(1997)分析了農作物的固碳能力，研究表明農作物固碳量為陸地固碳量的十分之一，農作物生態系統也是一個碳匯系統。 Lal等(1999)用定量分析的方法研究了全球農作物的碳匯潛力，結果表明全球農作物的碳匯潛力年均增加0.75Pg~1.0Pg,存在一定的挖掘空間。BIGSBY (2009) 測算了林業碳匯量，并分析了林業碳匯的產生機理。Baritz等(2010)測算并分析了歐洲森林土壤的固碳量，研究結果表明森林土壤對歐洲陸地碳循環具有非常重要的作用。Wang & Epstein (2012)估算了弗吉尼亞州2006年的年度凈產量(NEP ) 和2004年-2006年的凈初級生產力(NPP )。Sonja K等(2019)認為農作物能夠通過光合作用吸收溫室氣體，和林地、草地一樣具有碳匯的功能，可以調節生態系統。

農業碳匯主要包括作物固碳和土壤固碳，國內學者針對農業碳匯做了相關實證分析。作物固碳主要是基于農作物的經濟產量對我國農業生態系統中農作物吸收的溫室氣體量進行估算。趙榮欽等(2007)基于1981 年—2001 年沿海 10個省 (市、區)農作物的經濟產量估算了農田生態系統中農作物的碳吸收量。陳果等 (2017)基于作物產量測算了 1993 年—2011 年中國的農業碳匯潛力，并進行農業浄碳匯與農業經濟發展的耦合分析。土壤固碳一般使用實地采樣實驗的方法計算農田土壤固碳量。姜藍齊等(2017)運用實地采樣的方法并結合全國第二次土壤調查的相關數據分析了近 35 年來松嫩平原農田土壤有機碳密度的時空分異特征。

( 3)農業碳效應相關研究

農業兼具碳排放和碳吸收的特性，作用機理復雜，一些學者統籌考慮其雙重屬性研究農業的碳效應(凈碳效應或凈排效應)，并做了相關實證分析。田云等(2013) 從農資投入、稻田、土壤碳排、牲畜養殖、農作物碳匯 5 個方面測算了中國31 個省(市、區) 1995—2010年的農業碳吸收量、碳排放量以及農業凈碳匯量。陳羅燁等(2016)分析了 1991 年-2011 年全國縣級單元農業凈碳匯量的時空格局變化特征。翁翎燕等(2018)運用空間自相關分析和重心移動軌跡等方法分析了江蘇省13 個地市2000年—2015年的農田凈碳匯量的時空格局特征。

此外，學者們還利用空間計量模型、收斂檢驗等分析農業碳效應的空間關聯特征。田云等(2017)運用 Kernel 函數和收斂理論分析了中國 30 個省(市、區)

1994—2012年低碳農業發展的動態演進規律和收斂性特征。吳昊玥等（2017）對我國30 個省市2000 年—2014 年的農業碳排放績效進行了隨機收斂檢驗，結果表明從全國層面來看，農業碳排放績效不存在趨同情況，從地區層面來看，西部、中部和東部地區均存在俱樂部收斂。吳昊玥等（ 2020）運用空間 Durbin 模型分析了中國 30 個省（市、區） 2007 年—2016 年農業碳補償率的空間溢出效應及影響因素，結果表明農業碳補償率正向溢出效果顯著。伍國勇等（2021）利用核密度估計和基尼系數分析2002—2018 年中國31 省（市、區）種植業碳補償率的動態演進過程及各省份之間的差異，運用收斂理論分析了區域的收斂性特征。通過研究農業碳效應的空間關聯特征以制定差異化的碳減排政策，加強區域合作推動區域協同減排。

1.2.2農業碳減排潛力相關研究

隨著綠色低碳發展理念深入人心以及農業碳效應研究的不斷深入，近年來國內外學者對農業碳減排進行了研究，主要集中在農業碳減排潛力定量分析與減排政策制定等方面，為促進區域農業的可持續發展提供了對策建議和理論支持。

（ 1 ）國外研究現狀在科學核算區域農業碳排放水平的基礎上分析碳減排潛力，以探索區域農業碳減排機制，促進農業的綠色低碳發展。Cole等（1997）估算了全球農業碳減排潛力并分析了農戶對農業碳減排的態度，但因該研究中農業碳排放相關數據的缺失，結果中對全球農業碳減排潛力的估算具有不確定性。除此之外，一些學者將影子價格應用到農業碳減排研究中，進行農業碳減排成本分析。 Ghorbani M 等（ 2009）從效率和公平入手，將溫室氣體影子價格與方向距離函數相結合，研究了伊朗農業碳減排成本的區域差異。 Suddick 等（2010）從微觀角度分析了加利福尼亞州的碳減排潛力，在此基礎上探究農業低碳發展的措施，提出了農業生產方式低碳優化等減排途徑。 Tang K 等（2016）運用方向距離函數分析了農業污染物的影子價格和污染成本，結果表明農業污染物的影子價格區域差距較大。另一些學者基于 DEA 模型分析區域的農業碳減排潛力，并探討了技術與管理效率對減排潛力的影響（Fei R et al.， 2017）。除此之外，還有學者采用多模型聯用的方式對農業減排潛力進行量化分析，研究表明畜牧業的低碳發展對農業碳減排至關重要（Frank S et al., 2019）。

國外主要采取碳稅政策來促進農業碳減排，除此之外各國還不斷發展碳減排技術，推廣清潔能源的使用，改進傳統的農地利用方式，促進農業向綠色低碳的發

展模式轉變。各國政府還建立了碳排放權交易市場對碳排放權進行管控，從源頭上

對碳排放進行控制(LeeY J et al.，2020)。

( 2)國內研究現狀

國內學者們先后采用非期望產出的影子價格、情景分析法、 DEA 模型和參數對比法等方法進行農業碳減排潛力定量分析，測算區域的農業減排潛力并提出相應優化減排路徑。

學者們利用方向性距離函數計算非期望產出的影子價格，以此衡量農業碳排放對期望產出的影響，在此基礎上利用農業碳減排潛力指數計算農業碳減排潛力 (吳賢榮等， 2015)，這種方法計算的潛力是碳減排成本，碳減排成本高即該地區農業碳減排難度較大。李靜等(2012)運用方向性距離函數法估計了中國28個省份的減排潛力，研究表明中西部地區的農業碳減排潛力比東部地區更大。吳賢榮等 (2015)基于公平和效率原則利用農業碳排放的影子價格測算了中國 31 個省區 2001-2012年的農業碳減排潛力，然后運用空間計量模型分析了農業碳減排潛力的空間效應。

情景分析法就是利用灰色預測模型對未來一段時期內基準情景和低碳情景下的區域農業碳排放量進行預測，通過對未來碳排放量的預測對比兩種情境下的農業碳排，兩種情景下農業碳排放量的差值即農業碳減排潛力。高標等(2017)基于灰色預測模型構建基準情景與低碳情景預測了 2014年—2020年白城市的農業碳排放量，探析了白城市農業碳減排潛力。還有學者基于投入與產出將農業碳排放量作為非期望產出，計算各地區的農業碳排放量，利用DEA模型求解目標函數最優值，通過各地區的農業碳排與最優碳排相比較來計算區域農業碳減排潛力。冉錦成等 (2017)利用SBM模型測算了西北五省1995—2014年的農業碳減排潛力。參數對比法關鍵在于減排潛力水平的衡量，在判別潛力大小時預先選定1個比較標準，將各地區現有水平與該標準進行對比，把二者間差距作為衡量潛力的標準(王臘芳等， 2015)。張軍偉等(2018)利用參數對比法分析了1999—2016年中國31個省的農業碳減排潛力，結果表明中國31個省的農業碳減排潛力存在明顯的區域差異。伍國勇等(2021)選取參數對比法分析2001—2018年中國農業碳補償潛力的區域差異。

學者們還對微觀層面的農業碳減排潛力及優化路徑進行了研究。楊璐等(2016) 分析了畜禽糞便管理方式改進可能帶來的減排潛力。朱宇恩等(2017)分析了山西

省農業廢棄物（農作物秸稈和禽畜糞便等）的固碳潛力。在碳減排優化路徑方面，

學者們提出了積極引導農戶轉變為更低碳集約的農業生產方式（鄭恒等， 2011），合理調控農產品進出口價格（韓岳峰等， 2013），加強區域技術交流與合作、推動區域協同減排（何艷秋等， 2021）等的措施。

1.2.3研究進展評述

綜合現有的文獻可以看出，針對農業碳效應及其碳減排潛力，國內外學者作了大量的研究：

（1）在農業碳效應方面，國內外學者基于農業碳排放和碳吸收的特性構建了不同的農業碳效應核算清單，對全國、區域的農業碳效應進行核算和時空特征分析。大多數學者利用農業碳吸收和碳排放的差值來分析農業的碳效應，鮮有學者利用碳吸收與碳排放的比值即農業碳補償率來研究農業的碳效應，農業碳補償率不受總量基數的影響，是一個相對值。由于相似的種植結構、自然資源稟賦和技術擴散等情況，地區間的農業生產活動相互影響，現有關于農業碳效應和農業碳減排潛力的研究極少體現出區域的空間關聯特征。

（2）在農業碳減排方面，國內外學者主要運用 DEA-Malmquist 效率指數、灰色預測模型、參數對比法和非期望產出的影子價格等方法來測算農業碳減排潛力，各有不同的側重點，但大多從農業碳排放入手，鮮有學者立足于農業碳排放和碳吸收來研究反映雙重特性的農業碳補償潛力。同時，在碳減排優化路徑中極少考慮農業碳效應的空間關聯特征，提出積極推動區域協同減排的措施。

1.3研究內容與方法

1.3.1研究內容

在總結國內外農業碳效應與碳減排潛力相關文獻的基礎上，基于農業碳效應核算模型分析2009—2020年山西省 11 個地級市農業碳效應的時空變化特征，在此基礎上對山西省農業碳補償率的空間效應進行研究并分析農業碳補償潛力的區域差異，具體內容如下：

（1）山西省農業碳效應研究

基于農業生產全過程的碳賬戶從農地利用（如農藥、化肥、農膜、灌溉、土地

翻耕、農業機械總動力等)、畜禽養殖(腸道發酵、動物糞便等)和作物固碳三個方面構建農業碳效應核算模型，將農業吸收量與排放量的差值定義為農業碳效應，測算 2009—2020 年山西省 11 個地級市的農業碳排放、碳吸收和碳效應，并利用 ArcGIS 等軟件分析時空變化特征。

(2)山西省農業碳補償率空間效應研究由于相似的種植結構、自然資源稟賦和技術擴散等情況，地區間的農業生產活

動相互影響。本文首先利用空間自相關分析探究山西省農業碳補償率的空間相關性，再通過考慮空間效應的B收斂性檢驗分析2009年一2020年山西省11個地市農業碳補償率的趨同情況。

(3)山西省農業碳補償潛力研究

通過空間相關性檢驗和考慮空間效應的卩收斂性檢驗驗證山西省農業碳補償率具有空間相關性和趨同情況的基礎上，采用參數對比法分析山西省11個地市的農業碳補償潛力，以期為山西省各地市協調推進低碳農業發展，促進農業清潔生產提供相應的對策建議。

1.3.2研究方法

( 1)文獻分析法借助知網、萬方等渠道收集、獲取關于農業碳效應與碳減排潛力相關研究成果，整理分析農業碳效應與碳減排潛力的相關文獻及資料，較為全面地掌握農業碳效應與碳減排潛力相關概念和理論，梳理農業碳效應與碳減排潛力領域內的研究成果及最新研究進展，為本研究提供理論基礎。

( 2)實證研究法

通過搜集山西省 11 個地級市農業碳效應及碳補償潛力測算所需的相關數據，運用ArcGIS和Stata15.1等進行數據分析和實證研究，探明山西省11個地級市農業碳效應的時空變化特征，并對山西省農業碳補償率的空間效應進行研究，在此基礎上分析山西省農業碳補償潛力的區域差異。

(3)GIS 空間分析法

構建山西省農業碳效應數據庫，利用ArcGIS的分級顯示功能，對山西省11個地市的農業碳排放量、碳吸收量、農業碳效應、農業碳補償率以及農業碳補償潛力度進行分級顯示，從而分析山西省各地市農業碳效應及碳補償潛力的空間差異，并

通過空間自相關分析和卩收斂性檢驗分析農業碳補償率的空間效應。

1.4技術路線

圖 1.1 技術路線圖

1.5可能的創新之處

本文在生態優先和實現“雙碳”目標的背景下，探討山西省的農業碳效應和碳補償潛力，可能的創新點如下：研究視角上，碳減排潛力以往研究僅立足于農業碳排放，本文兼顧農業碳排放與碳吸收的雙重特性，利用農業碳補償率將雙重效應銜接到一起，以此來分析山西省的農業碳補償潛力；研究方法上，考慮地理空間效應，運用空間自相關分析和卩收斂性檢驗分析山西省農業碳補償率的空間效應，并在此基礎上運用參數對比法分析山西省農業碳補償潛力的區域差異，并提出對策建議促進山西省區域協同減排。

第 2 章相關概念與理論基礎

2.1相關概念

2.1.1農業碳源與碳匯

碳源(Carbon Source)是指產生溫室氣體排放的工業、農業生產及日常生活的一系列活動，最常見的碳源就是化石燃料的燃燒。農業碳源是指在農業生產過程中導致溫室氣體排放的各種農地利用方式及生產活動，《京都議定書》將水稻種植、化肥等農資投入、畜禽養殖以及糞便等農業廢棄物作為農業碳源。溫室氣體主要包括甲烷、二氧化碳、氮氣等等，本文利用二氧化碳當量來度量山西省農業生產活動的溫室效應。

碳匯(Carbon Sink)是指可以將溫室氣體中和、吸收的活動或機制，主要包括耕地、林地、草地和海洋四種碳匯，林、草地發揮著顯著的固碳功能，同時耕地的碳匯功能也不容忽視。農作物通過光合作用吸收空氣中的溫室氣體，發揮了作物固碳的作用。農業兼有碳排放與碳吸收的雙重特性，作用機理復雜，碳源和碳匯是測算農業碳效應的主要核算因子，科學選取農業碳排放與碳吸收核算因子及核算系數是研究山西省農業碳效應的重要基礎。

2.1.2農業碳效應

農業不同于工業，兼具碳排放與碳吸收的雙重特性。在農業生產過程中農地利用的各種方式以及畜禽呼吸、糞便降解等導致了溫室氣體的排放，同時農作物可以吸收溫室氣體具有固碳功能。農業生態系統碳效應作用機理復雜，為了深入研究農業碳補償潛力，必須厘清該系統碳排放與碳吸收的關系。本文將農業吸收量與排放量的差值定義為農業碳效應，將農業碳效應作為衡量標準來識別農業生態系統的屬性。當農業碳吸收量高于碳排放量即差值大于 0 時，該農業生態系統為碳匯系統；當農業碳吸收量低于碳排放量即差值小于 0 時，該農業生態系統為碳源。因此，科學測算農業碳排放與碳吸收量是研究農業碳效應的有力前提，為此需要構建合理、科學的農業碳吸收和農業碳排放的核算體系。

2.1.3農業碳補償潛力

工業、農業生產和日常生活中的一些活動會直接或間接地排放溫室氣體，通過增加碳匯如植樹造林、使用清潔能源、提倡低碳生活方式等途徑，可以有效中和工業、農業生產和日常生活中產生的碳排放，最終實現“零排放”。中國政府在聯合國大會上提出2030碳達峰、2060碳中和的“雙碳”目標，并指出降碳是當前我國生態文明建設的重點戰略方向。2021 年 10 月國務院發布了《2030 前碳達峰行動方案》，逐步推動經濟社會發展全面綠色轉型。

大量碳排放造成了全球氣候變化和環境污染問題，雖然工業領域是全球第一大碳排放源，但化肥、農藥等農資的使用以及畜禽養殖等農業生產活動也造成了一定的碳排放，農業的最大特點是在生產過程中會產生碳排放，但同時農作物通過光合作用吸收溫室氣體，農業碳匯可以有效中和農業生產過程中產生的碳排放，同時可以實現碳排放的“以農補工”，碳匯盈余可以吸收工業生產等產生的碳排放。農業碳補償潛力就是一個地區農業生態系統高效實現碳中和的基礎上，農業碳匯盈余可以補償其他生態系統的潛力大小。本文在實現“雙碳”目標的時代背景下，綜合考慮供給端和需求端的平衡，充分發揮農業的碳匯功能，從農業碳補償率入手分析農業碳補償潛力的區域差異，有利于推進區域協同減排，促進農業的綠色低碳發展，助力“雙碳”目標的實現。

2.2理論基礎

2.2.1農業生態經濟學理論

生態經濟學產生于上個世紀六十年代，學者們將經濟學與生態學相結合，旨在促進經濟增長與環境保護的協調發展，主要研究生態經濟的規律和效益等。“生態經濟學”這一概念是鮑爾丁首次提出的，他認為在以往研究過程中傳統經濟學未考慮對生態環境的保護，人們一味追求經濟的高速增長，導致全球氣候變暖，資源環境問題愈演愈烈。依靠無止境地從大自然索取換來的經濟增長是不可取的，經濟發展是在生態系統中進行的，經濟發展與生態保護不可分割，二者是一個統一整體。 “生態經濟協調理論”由此誕生，該理論強調生態系統的保護是人類經濟發展的前提，經濟發展的同時也要注重對環境的保護，促進經濟增長與生態保護的協調發展。

隨著生態經濟學的不斷發展，學者們將生態經濟學應用于農業生態系統，豐富了生態經濟學的研究。生態農業是 W.A brecht 在上個世紀七十年代首次提出的。二十世紀八十年代發表的《農業與環境》將種植業、畜牧業、環境保護等納入農業生態經濟系統對生態農業進行了深入研究，闡述了生態農業發展的戰略意義。農業生態經濟學將農業生態與農業經濟看作一個統一整體，強調低農資投入獲得高產出，保護農業生態系統，實現農業生態系統的可持續發展。農業生態經濟學對低碳農業的發展提供了理論基礎，在發展農業經濟的同時絕不能忽視對環境的保護，減少農業的碳排放，積極推廣綠色低碳的農業發展模式。

2.2.2收斂理論

收斂是一個數學概念，后被應用到經濟領域，收斂假說是經濟領域研究的核心之一。經濟收斂假說是指隨著時代的發展，地區間經濟發展的差距會越來越小，經濟發展水平低的地區相較經濟發展水平高的地區經濟發展速度更快。新古典增長模型是 Solow 于1956 年提出的，該理論的基本假設是邊際報酬遞減規律，它的提出使得收斂理論在經濟領域得到廣泛應用。該理論指出隨著經濟的不斷發展，經濟落后地區相較經濟發達地區，經濟發展水平增長得更快，不同地區的經濟發展水平會趨向接近。20 世紀 80 年代 Romer 等提出新經濟增長理論，該理論在新古典增長模型的基礎上強調技術的作用，考慮了知識和專業化的人力資本在經濟發展中的作用，Romer指出各地區經濟發展不會達到同一水平，而是趨于自身穩態。收斂理論對經濟發展的區域差異研究提供了一定的理論指導，目前收斂理論實證研究主要包括B收斂、a收斂和俱樂部收斂三種。B收斂反映區域經濟水平的趨同情況, 主要包括絕對和條件兩種，絕對B收斂不考慮外界因素的影響假定各地區經濟發展條件相同，經濟發展水平最終趨于同一穩態；條件B收斂則考慮各地區經濟發展條件的不同，各地區經濟發展不會達到同一水平，而是趨于自身穩態。a收斂反映各地區的經濟發展水平與區域平均水平的偏離情況。俱樂部收斂是指區域內具有相似經濟發展條件的地區，經濟發展水平會趨于同一穩態。

盡管收斂理論最早應用于經濟領域，用來分析區域經濟差異以制定差異化的區域經濟發展對策，近年來學者們逐漸將收斂理論應用到能源消費、碳排放、農業發展等方面。本文借鑒收斂理論，利用收斂性檢驗驗證山西省農業碳補償率的趨同情況，從而分析山西省農業碳補償潛力的區域差異，并制定區域化的碳減排政策。

2.2.3農業可持續發展理論

可持續發展強調經濟、社會、生態三者的協調發展，其終極目標是實現共同發展、協調發展、公平發展、高效發展， 1987 年在《我們共同的未來》中被正式提出。可持續發展理論具有綜合性和交叉性，學者們將該理論應用于不同學科的研究中，如經濟學、農業和社會學等等，逐漸形成可持續發展的理論體系。因傳統的農業生產方式對環境造成破壞等問題，可持續發展理論被應用到農業領域，上個世紀八十年代末國際組織的報告中體現了農業可持續發展的思想。上個世紀九十年代，聯合國糧農組織發表了“丹波宣言”，該宣言闡述了農業可持續發展的概念，提出了保證糧食安全、增加農民收益和保護環境的基本目標，強調在農業發展過程中，通過技術進步，改進傳統的農地利用方式，在保證糧食安全、滿足人民需求的同時，也要考慮后代的利益，實現農業的可持續發展。農業可持續發展理論涉及農業、農村以及生態環境三個領域，可以促進農業經濟與環境保護的協調發展。我國農業可持續發展以技術進步為推手，改進傳統的農業生產方式，保持土壤肥力，協調生態環境保護與糧食安全，發展優質高效農業，強調農業生產、經濟發展與環境保護的統一。

2.3本章小結

本章闡述了本文所研究的相關概念與理論基礎。對農業碳源與碳匯、農業碳效應和農業碳補償潛力等概念做出了解釋說明，分析了可持續發展理論、收斂理論和生態經濟學理論，為山西省農業碳效應及碳補償潛力的研究分析奠定理論基礎。

第 3 章山西省農業碳效應時空分異

在農業生產過程中，農地利用的各種方式以及畜禽呼吸、糞便降解等導致了溫室氣體的排放，同時農作物具有碳匯功能可以吸收二氧化碳。本文基于農業碳排放與碳吸收的雙重特性建立農業生產全過程的碳賬戶，并以此構建核算模型，利用農業碳效應將碳排放與碳吸收銜接到一起，據此對山西省11 個地市的農業碳效應進行測算與分析。

3.1農業碳效應核算方法

基于農業碳排放與碳吸收的雙重特性建立農業生產全過程的碳賬戶（表3.1），并分析其作用機理，從農地利用、畜禽養殖、作物固碳三個方面構建農業碳效應的核算模型。本文所需2009—2020年山西省11個地市的化肥、農藥、農膜當年施用量、作物播種面積和產量、有效灌溉面積、農業機械總動力和畜禽年末存欄量等數據來自于 2009—2020 年《山西省統計年鑒》和山西省11 個地市的統計年鑒。

表 3.1 農業生產全過程碳賬戶

碳效應類別作用機理主要形式活動數據

化肥化肥施用量

農資生產、使用、分解產生碳農藥農藥施用量

排放農膜農膜施用量

農地利用灌溉過程利用電能（段華平，灌溉有效灌溉面積

2011)

碳排放農業機械使用產生碳排放農業機械總動力農業機械總動力

微生物分解有機質釋放碳翻耕實際播種面積

畜禽呼吸及糞便降解會產生腸道發酵動物數量

畜禽養殖 ch4、n2o氣體糞便管理動物數量

土壤呼吸持續產生碳排放（田

土壤碳排云，2017）土壤呼吸暫未核算

作物固碳光合作用吸收CO2 作物固碳作物產量

碳吸收土壤固碳土壤吸收大氣中的碳并存入碳土壤固碳暫未核算

庫（王樹濤，2007）

注：現有土壤碳排和土壤固碳的排放系數多是區域性實驗數據，與常規性分析較難匹配，故暫

未納入核算體系中。

3.1.1農業碳排放模型

從理論上來講，農業碳排放量與農地利用、畜禽養殖和土壤碳庫等有著密切的關系。排放因子作為表征氣態污染物排放特征的重要參數，在沒有山西省排放因子與系數的情況下，筆者參考了相關文獻中農業碳排放的排放因子以及碳排放系數（李波，2011；田云，2012），從農地利用（如農藥、化肥、農膜、灌溉、土地翻耕、農業機械總動力等）和畜禽養殖（腸道發酵、動物糞便等）兩個方面來核算山西省的農業碳排放量。

（1）農地利用碳排放測算

選取農業機械總動力、化肥、灌溉、農藥、土地翻耕、農膜作為農地利用碳排放源，結合相應的碳排放系數，計算農地利用碳排放，具體方法如下：

Et =》iXfi （3.1）

式中，Et為農地利用的碳排放量；i為山西省各地級市，仇為各地市的化肥、農藥、農膜當年施用量、當年有效灌溉面積等；其中翻耕為農作物當年實際播種面積，農業機械總動力碳排放=（作物播種面積x播種面積碳排系數）+ （農業機械總動力X農業機械總動力碳排系數）；仁為第i種利用方式的排放系數（見表3.2）。

表3.2 農地利用碳排放系數

碳排放源排放系數參考來源

農藥 4.9341kg(C)/kg 美國橡樹嶺國家實驗室

化肥 0.8956 kg(C)/kg 美國橡樹嶺國家實驗室

農膜 5.18 kg(C)/kg 中國農業大學

農業灌溉 19.8575 kg(C)/hm2 李波等

作物播種面積 16.47 kg(C)/hm2 Elhorst( 2003)

農業機械總動力 0.18 kg(C)/KW Elhorst( 2003)

翻耕 312.6 kg(C)/ hm2 中國農業大學

注：為避免高估農業碳排放考慮到農業灌溉并非均來源于火力發電，農業灌溉系數調整為

19.8575 kg（C）/hm2 （李波等,2011）。

（ 2）畜禽養殖碳排放測算畜禽養殖腸道發酵和糞便碳排放量計算方法具體方法如下：

Ea = '^Nai x （C1^ + C2ai） x Mch4 （3.2）

其中,Ea為畜禽養殖的碳排放總量；為畜禽種類；Nai為第i種畜禽的數量；C1ai 為第i種畜禽腸道發酵的甲烷排放系數；C2ai為第i種畜禽糞便管理的甲烷排放系數, MCH4為甲烷與碳的轉換系數（6.82）。表3.3為畜禽養殖的甲烷排放系數：

表3.3畜禽養殖甲烷排放系數（單位：kg（c）head-1a-1）

動物 d C2 -

ai 動物 C1 °丄at C2 -

豬 1 3.5 牛 47 1

羊 5 0.16 家禽 0 0.02

馬 18 1.64 驢 10 0.9

騾 10 0.9

注：此表數據來源于 IPCC（2007）。

（ 3）農業碳排放測算

農業碳排放的計算公式為：

E = Et + Ea （3.3）

式中：E為農業碳排放總量，位表示農地利用產生的碳排放量，民表示畜禽養殖所產生的碳排放量。

3.1.2農業碳吸收模型

與農作物碳匯相比，林、草地具有更突出的碳匯功能，但林、草地受人類活動干預較少且測算標準不統一（田云等， 2013），故本文農業碳吸收主要考慮的是狹義農業即農作物在生長發育周期內的碳吸收（羅懷良等， 2014），選取糧食作物（小麥、玉米、谷子、高粱、大豆、薯類）、經濟作物（油料作物、棉花）和其它類作物（蔬菜、瓜果）計算農業的碳吸收，計算方法如下：

C =工（Ci xQix（1-wi）/Hi）（3.4）

式中，為第i種農作物類型；C為農作物碳吸收總量;wt為第i種作物的含水率； Ci為第i種農作物的碳吸收率；Qi為第i種農作物經濟產量；Ht為第i種作物的經濟系數。借鑒前人的研究成果確定各類作物G、叫、Ht的取值，各系數見表3.4 （王修蘭等， 1996；韓召迎等， 2012）。

表 3.4 農作物碳吸收核算系數表（單位： %）

作物經濟系數碳吸收率含水率

高粱 0.35 0.4500 0.133

玉米 0.438 0.4709 0.13

谷子 0.40 0.45 0.12

大豆 0.35 0.45 0.13

小麥 0.434 0.4853 0.12

油料 0.25 0.45 0.1

棉花 0.1 0.45 0.08

薯類 0.675 0.4226 0.7

蔬菜 0.625 0.45 0.9

瓜果 0.7 0.45 0.9

3.1.3農業碳匯效應測算

農業碳匯效應指農業碳吸收與農業碳排放的差值，計算方式如下：

Cn = C-E （3.5）

式3.5中，Cn為碳匯效應，若Cn>0,界定為農業凈碳匯，表明該農業生態系統為碳匯；若Cn<0,界定為農業凈碳排，則表明該生態系統為碳源（田云等,2020）。

3.2山西省農業碳排放核算與時空特征分析

本文從農地利用（如農藥、化肥、農膜、柴油、灌溉、土地翻耕、農業機械總動力等）和畜禽養殖（腸道發酵、動物糞便等） 2 個方面對 2009—2020 年山西省及11個地級市農業碳排放的時空特征進行研究。

3.2.1山西省農業碳排放時序變化特征

（1）山西省農業碳排放量時序變化分析

圖3.1 表明， 2009—2020 年山西省年均農業碳排放總量為 357.14 萬噸，年均增長率為-0.03%。山西省農業碳排放量的時序變化呈階段式發展：①持續增長期（2009—2015年），該階段山西省農業碳排放量逐漸增多。農業碳排放量從348.09 萬噸增長至375.99噸，年均增長3.98萬噸， 2015年農業碳排放量最高為375.99萬

噸，說明該時期對農業生產活動造成的環境污染和低碳農業發展重視度相對較低。 ②波動下降期(2015—2020年)，該階段山西省農業碳排放量波動下降，農業碳排放量從375.99萬噸波動下降至345.28萬噸，降幅為8.17%， 2019年農業碳排放總量最低為 334.03 萬噸，該年份遭受極端天氣的影響，農業產量下降，農資投入量也相對減少。隨著農業經濟的發展以及低碳發展政策的影響，該時期農業低碳發展得到人們的重視且取得了一定的成效。

農業碳排放量環比增速的時序變化呈階段式發展：①持續上升期(2010—2014 年)，該階段山西省農業碳排放量的環比增速呈持續上升態勢，環比增速均大于0，農業碳排放量的增速不斷加快，2014年增速最快為4.04%。②波動下降期(2014— 2019年)，該階段山西省農業碳排放量的環比增速呈波動下降態勢，環比增速均小于0，農業碳排放量的增速不斷下降且出現負增長。說明隨著生態保護、綠色發展等相關政策的不斷出臺，低碳發展模式得到了人們的重視，山西省農業碳排放增速放緩，但農業碳排放總量仍然較高，應科學管控農業碳排放，促進農業綠色發展。

380.00 6.00%

■農業碳排放量環比增速

圖 3.1 2009—2020 年山西省農業碳排放總量圖

(2)山西省農業碳排放結構動態變化分析

從表3.5可知， 2009—2020年山西省農業碳排放量構成有以下特征： ①農地利用年均碳排放量為264.10萬噸，占比達73.95%，是山西省主要的農業碳源；畜禽養殖年均碳排放量為93.04萬噸，占全省農業碳排放量的比重為26.05%。②從各類別碳排放量的發展態勢來看，農地利用碳排放量呈先上升再下降的態勢，2013年農地利用碳排放量最高為 274.47 萬噸；畜禽養殖碳排放量呈波動發展的態勢，變

動相對較小，2015年畜禽養殖碳排放量最高為105.25萬噸。③從各類別碳排放占比的發展態勢來看，農地利用和畜禽養殖碳排放量占比發展比較平穩，波動較小，農地利用在山西省農業碳排放量中占比較大，畜禽養殖碳排放量占比小于三分之一，這源于山西省農業主要是種植業， 2020 年山西省農林牧漁總產值為 1935.84X108萬元，種植業產值占比為55.58%，畜牧業產值占比僅為31.32%。

表3.5 2009—2020年山西省農業碳排放結構表

年份農業碳排放

（104t）農地利用畜禽養殖

碳排放量

（104t）占比

（%）碳排放量

（104t）占比

（%）

2009 348.09 257.34 73.93 90.76 26.07

2010 347.32 262.71 75.64 84.62 24.36

2011 352.27 267.17 75.84 85.11 24.16

2012 355.92 270.95 76.13 84.96 23.87

2013 361.19 274.47 75.99 86.71 24.01

2014 375.78 273.62 72.81 102.16 27.19

2015 375.99 270.74 72.01 105.25 27.99

2016 370.88 267.95 72.25 102.93 27.75

2017 364.71 261.90 71.81 102.80 28.19

2018 354.19 254.99 71.99 99.19 28.01

2019 334.03 253.95 76.03 80.08 23.97

2020 345.28 253.40 73.39 91.88 26.61

從圖 3.2 可知農地利用碳排放量基本狀況， 2009—2020 年山西省農地利用碳排放量有以下特征：①農地利用碳排放量均值由大到小依次為土地翻耕（115.31萬噸）、化肥（101.58 萬噸）、農膜（23.98 萬噸）、農藥（13.91 萬噸）、農業機械總動力（6.51 萬噸）、灌溉（2.81 萬噸），各類碳排放量占全省農地利用碳排放量的比重分別為 43.67%、38.45%、9.09%、5.26%、2.46%、1.07%。②從發展態勢來看，灌溉、農膜呈穩定上升的態勢，農業灌溉增幅最大為20.3%；農業機械總動力和翻耕呈波動下降態勢，農業機械總動力降幅最大為 10.4%；農藥和化肥碳排放量呈先上升再下降的態勢， 2013 年化肥施用碳排放量最大為 108.39萬噸， 2015 年農藥施用碳排放量最大為15.31萬噸。③從碳排放量占比的發展態勢來看，化肥、農業灌溉和農膜碳排放量占比波動上升，增幅分別為 4.50%、 22.17%和 18.74%，農業機械總動力和翻耕占比波動下降，降幅分別為9.01%和6.75%。

圖3.2 2009—2020年山西省農地利用碳排放構成圖

120.00%

圖3.3 2009—2020年山西省畜禽養殖碳排放構成圖

從圖 3.3 可知畜禽養殖碳排放量基本狀況， 2009—2020 年山西省畜禽養殖碳排放量有以下特征：①山西省畜禽養殖碳排放量均值由大到小依次為羊（37.91萬噸）、牛（33.80萬噸）、豬（19.86萬噸）、家禽（1.46萬噸），分別占全省畜禽養殖碳排放量的40.75%、36.33%、21.35%、1.57%。②從發展態勢來看，家禽養殖碳排放量和占比均逐漸增加；牛養殖碳排放量逐漸減少，降幅為5.16%；羊養殖碳排放量和占比呈波動發展態勢， 2015 年羊養殖碳排放量最高為 48.37萬噸； 2009—2018 年豬養殖碳排放量逐漸增多， 2019年受疫情影響，豬養殖碳排放量最低，為 13.85 萬噸。從碳排放量占比的發展態勢來看，羊養殖碳排放量占比呈上升態勢，牛、豬養殖碳排放量占比呈下降態勢。

3.2.2山西省農業碳排放空間變化特征

從表3.6可知，2009—2020年山西省11個地市的農業碳排放量具有以下特征： ①年均農業碳排放量最大的為運城市（69.44萬噸），占比為19.44%，其次為臨汾市（46.88萬噸）、忻州市（45.53萬噸）、大同市（35.23萬噸）、晉中市（34.01萬噸）、呂梁市（30.71 萬噸）、長治市（28.17 萬噸）、晉城市（17.98 萬噸）、太原市

（11.45萬噸）、陽泉市（4.39萬噸）。②從11個地市農業碳排放量的變化趨勢來看，大同市、陽泉市、朔州市、晉中市、忻州市和呂梁市農業碳排放量呈上升趨勢，但增幅較小均小于10%，忻州市農業碳排放量增幅最大為8.89%；太原市、長治市、晉城市、運城市和臨汾市農業碳排放量呈波動下降態勢，太原市農業碳排放量降幅最大為21.31%。③從11個地市農業碳排放量所占比重的變化趨勢來看，大部分地市農業碳排放量占山西省農業碳排放的比重呈上升態勢，但增幅較小均小于10%。太原市、長治市、晉城市和臨汾市所占比重呈下降態勢，太原市農業碳排放占比降幅最大為 20.67%。

表3.6 2009—2020年山西省11個地級市農業碳排放量（單位： 104t）

地市 2009 2011 2013 2015 2017 2019 2020 年均碳排

太原市 12.33 11.52 11.80 12.27 11.76 9.35 9.70 11.45

大同市 35.19 32.30 33.48 37.43 37.31 35.77 35.42 35.23

陽泉市 4.02 4.30 4.42 4.81 4.59 4.04 4.22 4.39

長治市 27.22 28.32 29.23 29.46 29.05 26.04 26.23 28.17

晉城市 17.98 19.59 18.92 19.56 17.12 15.27 16.09 17.98

朔州市 32.49 31.22 34.42 35.67 32.92 31.76 34.37 33.36

晉中市 32.86 33.99 34.27 35.55 34.77 31.11 33.26 34.01

運城市 66.08 69.66 72.27 71.40 71.87 64.67 65.56 69.44

忻州市 42.63 44.06 43.72 49.44 46.35 44.04 46.42 45.53

臨汾市 48.05 47.45 47.45 47.78 46.79 43.12 43.86 46.88

呂梁市 29.24 29.88 31.21 32.62 32.16 28.85 30.14 30.71

采用ArcGIS軟件，選取2009年、2012年、2016年和2020年山西省農業碳排放量，利用當年均值劃分為高碳排放區（均值 2 倍）、較高碳排放區（均值 1.5 倍）、中碳排放區（均值）和低碳排放區（均值0.5倍） [碳排放等級作為表征氣態污染物排放特征的重要參數，在沒有山西省排放等級的情況下，參考王強等的研究成果，利用當年均

22]（王強等， 2011），做出山西省 11 個地級市農業碳排放空間分布圖，分析2009—2020年山西省 11 個地級市農業碳排放空間變化特征。

圖3.4 2009年、 2012年、 2016年和2020年山西省農業碳排放空間分布圖

從圖3.4可以看出， 2009年-2020年山西省農業碳排放量具有明顯的空間差異特征，中碳排放區和較高碳排放區分布較多，高碳排放區和低碳排放區分布較穩定，較高碳排放區數量不斷增加，農業碳排放量高值區域主要位于山西南部。 2009年- 2020 年變動較大的地市有晉中市、朔州市和大同市（中碳排放區轉變為較高碳排放區），晉城市（低碳排放區轉變為中碳排放區）。

2009 年山西省分布高碳排放區1 個（運城市）、較高碳排放區2 個（臨汾市、忻州市）、中碳排放區5 個（大同市、朔州市、呂梁市、長治市、晉中市）、低碳排放區3 個（太原市、陽泉市和晉城市）。2012年較2009年山西省 11 個地市農業碳排放區空間分布保持不變。 2016 年山西省較高碳排放區增加為 5 個（大同市、朔州市、忻州市、晉中市和臨汾市），中碳排放區減少為 3 個（呂梁市、長治市和晉城市），低碳排放區減少為 2 個（太原市和陽泉市），高碳排放區空間分布未發生變化，大部分地市的農業碳排放量增多，晉城市轉變為中碳排放區，晉中市、大同市

值作為劃分標準。

23 和朔州市轉變為較高碳排放區。 2020年較2016年山西省11個地市農業碳排放區空間分布保持不變。運城市、臨汾市和忻州市是山西省農業碳排放量的高值區域，這三個地市農作物種植面積廣闊，農資投入相對較多，農業碳排放量較高。隨著畜禽養殖的不斷發展，山西北部如大同市和朔州市農業碳排放量也不斷增加。

3.3山西省農業碳吸收核算與時空特征分析

本文選取棉花、玉米、蔬菜、谷子、油料作物、高粱、瓜果、大豆、小麥、薯類等10種作物為山西省及11個地級市的主要農作物，利用上述10種作物的相關數據進行2009—2020年山西省及11個地級市農業碳吸收的時空特征研究。

3.3.1 山西省農業碳吸收時序變化特征

（1）山西省農業碳吸收總量動態變化分析

從圖 3.5 可以看出， 2009—2020 年山西省年均農業碳吸收總量為 1421.19 萬噸，由2009年的1110.92萬噸增長至2020年的1357.87萬噸，凈增量為242.95萬噸，年均增長率為2.18%。 2014年農業碳吸收總量最高為1579.1萬噸。農業碳吸收總量的時序變化可以分為2個階段：①持續增長期（2009—2014年），該階段山西省農業碳吸收總量呈平穩上升的態勢。農業碳吸收量從 1110.92 萬噸增長至 1579.1萬噸，年均增長78.03萬噸。②波動下降期（2014—2020年），該階段山西省農業碳吸收量呈波動發展的態勢。受極端天氣影響， 2015年和2019年農作物單產下降，農業碳吸收量也相對較低， 2019年農業碳吸收量最低為1290.96萬噸。

從環比增速的變動來看，山西省農業碳吸收總量環比增速的時序變化呈波動下降趨勢， 2010年增速最大為19.23%，其余年份農業碳吸收總量的環比增速均小于10%。2015年、2017年、2018年和2019年增速為負，2019年增速最低為-15.49%。受極端天氣影響2015年和2019年山西省農業碳吸收總量環比增速波動明顯，2015 年較2014年增速降低12.85%，2019年較2018年增速降低14.98%，2020年較2019 年增速上升 20.37%。農業碳吸收量的變化與農業單產息息相關，農業單產水平提高可以促進農業碳吸收總量的提高，應加強對耕地的保護，充分發揮耕地的碳匯功能。

圖3.6 2009—2020 年山西省農業碳吸收類別構成圖

■小麥■玉米■谷子■高粱■大豆■薯類■油料■棉花■蔬菜■瓜果

圖3.7 2009—2020年山西省農業碳吸收作物構成圖

據圖3.7可知，2009—2020年山西省農業碳吸收作物構成具有如下特征：①玉米年均碳吸收量為964.76萬噸，占比達67.88%，是山西省碳吸收的主要作物。其余作物的碳吸收量分別為：小麥（254.15 萬噸）、蔬菜（73.74 萬噸）、谷子（43.94 萬噸）、大豆（25.83 萬噸）、油料（16.56 萬噸）、高粱（15.27 萬噸）、棉花（12.41 萬噸）、薯類（9.89萬噸）、瓜果（4.62萬噸）。②從各作物碳吸收量變化趨勢看, 玉米、谷子、高粱、小麥、薯類碳吸收量及占比逐漸增多，增幅最大的為高粱和谷子，增幅最小的為小麥（9.38%）；大豆、油料、棉花、瓜果碳吸收量及占比逐漸減少，降幅最大的為棉花（98.14%），降幅最小的為蔬菜（3.58%）。

3.3.2山西省農業碳吸收空間變化特征

從表3.7可知，2009—2020年山西省11個地市的農業碳吸收量具有以下特征： ①年均農業碳吸收量最大的為運城市（304.15萬噸），占比達21.40%。其次為臨汾市（225.76萬噸）、晉中市（173.90萬噸）、忻州市（146.92萬噸）、長治市（141.00 萬噸）、朔州市（103.63萬噸）、呂梁市（94.67萬噸）、大同市（90.85萬噸）、晉城市（81.21萬噸）、太原市（35.43萬噸）、陽泉市（23.65萬噸），占全省農業碳吸收量的比重分別為15.89%、12.24%、10.34%、9.92%、7.29%、6.66%、6.39%、5.71%、 2.49%、1.66%。②從變化趨勢來看，大部分地市的農業碳吸收量呈上升趨勢，大同市農業碳吸收量增幅最大為 124.66%，其次為朔州市（66.83%）、忻州市（48.00%）和臨汾市（25.24%），陽泉市、長治市、晉中市、運城市和呂梁市農業碳吸收量增

26 幅相對較小均小于15%。太原市、晉城市碳吸收量呈波動下降態勢。③從占比的變化趨勢來看，大部分地市農業碳吸收量占山西省農業碳吸收量的比重呈下降態勢，太原市和晉城市所占比重降幅最大分別為45.65%和21.70%。陽泉市、長治市、晉中市、運城市和呂梁市所占比重降幅較小均小于15%。大同市、朔州市、忻州市和臨汾市農業碳吸收量占比呈上升態勢，增幅分別為 84.35%、 36.89%、 21.44%和 2.76%。

表3.7 2009—2020年山西省 11 個地級市農業碳吸收量（單位： 104t）

地市 2009 2011 2013 2015 2017 2019 2020 年均碳吸

太原市 37.90 37.86 38.99 36.33 3&02 24.36 25.11 35.43

大同市 47.93 75.86 91.85 93.21 101.80 107.30 107.69 90.85

陽泉市 20.60 24.12 27.32 23.34 24.17 19.26 21.50 23.65

長治市 111.86 142.67 155.62 152.45 159.01 104.03 117.15 141.01

晉城市 68.40 89.26 88.97 94.95 81.92 61.29 65.27 81.21

朔州市 66.48 88.03 107.20 102.03 119.10 110.27 110.91 103.64

晉中市 145.06 164.25 189.93 183.42 185.70 147.28 153.76 173.90

運城市 253.10 291.31 326.18 332.15 319.27 269.70 287.93 304.15

忻州市 112.58 127.98 146.72 132.37 160.66 167.36 166.62 146.92

臨汾市 166.67 211.23 228.15 234.13 255.55 196.80 208.73 225.76

呂梁市 80.33 95.71 106.46 66.86 90.29 83.32 89.20 94.67

采用 ArcGIS 軟件，選取 2009 年、 2012 年、 2016 年和 2020 年農業碳吸收量，利用當年均值劃分為高碳吸收區（均值2倍）、較高碳吸收區（均值1.5 倍）、中碳吸收區（均值）和低碳吸收區（均值0.5 倍）[碳吸收等級作為表征氣態污染物吸收特征的重要參數，在沒有山西省碳吸收等級的情況下，參考王強等的研究成果，利用當年均值作為劃分標準。

27]，做出山西省 11 個地級市碳吸收空間分布圖，探究山西省 11 個地級市農業碳吸收空間變化特征。

從圖 3.8 可以看出， 2009—2020 年山西省農業碳吸收量具有明顯的空間差異特征，農業碳吸收量高值區域主要位于山西南部，山西南部（如運城市和臨汾市等）較北部地區自然條件優越，農作物播種面積廣闊，種植業發展較好，作物碳吸收能力更顯著。山西省主要分布中碳吸收區和較高碳吸收區，高碳吸收區和低碳吸收區分布較穩定。 2009—2020 年變動較大的地市有大同市（低碳吸收區轉變為中碳吸收區）和長治市（較高碳吸收區轉變為中碳吸收區）。

2009 年山西省分布高碳吸收區2 個（運城市和臨汾市）、較高碳吸收區3 個（臨汾市、晉中市、長治市）、中碳吸收區3個（朔州市、呂梁市、晉城市）、低碳吸收區3個（大同市、太原市和陽泉市）。 2012年山西省高碳吸收區和較高碳吸收區分布情況未發生變化，中碳吸收區增加為 4 個，大同市從低碳吸收區轉變為中碳吸收區。 2016年與2012年相比山西省農業碳吸收空間格局未發生變化。 2020年山西省高碳吸收區和低碳吸收區空間格局未發生變化，較高碳吸收區減少為2個，中碳吸收區增加為 5 個，長治市從較高碳吸收區轉變為中碳吸收區。

3.4山西省農業碳匯效應時空特征分析

在對 2009—2020 年山西省農業碳吸收與碳排放量核算與時空特征分析的基礎上，通過農業碳吸收與碳排放量的差值來分析山西省農業碳效應的時空變化特征。

3.4.1 山西省農業碳匯效應時序變化特征

據表3.8、圖3.9可知， 2009—2020年山西省農業生態系統是一個碳匯系統，年均凈碳匯量為1064.05萬噸，呈波動上升態勢，凈碳匯量由2009年的762.82萬

噸增長至2020年的 1008.59萬噸，凈增量為245.77萬噸，年均增長率為3.21%。 2014年農業凈碳匯量最高為1203.33 萬噸，2009年農業凈碳匯量最低為762.82萬噸。農業碳效應的時序變化可以分為2個階段：①持續增長期（2009—2014年）, 該階段山西省農業凈碳匯量呈平穩上升的態勢。農業凈碳匯量從 762.82 萬噸增長至1203.33萬噸，年均增長73.42萬噸。②波動下降期（2014—2020年），該階段山西省農業碳吸收量呈波動下降的態勢。受極端天氣影響， 2015 年和2019年農作物單產下降，農業凈碳匯量也出現明顯波動。

圖3.9 2009—2020年山西省農業碳效應及環比增速圖

表3.8 2009—2020年山西省農業碳吸收、碳排放與碳效應（單位：104t）

年份碳吸收碳排放碳效應

2009 1110.92 348.09 762.82

2010 1324.56 347.32 977.23

2011 1348.26 352.27 995.98

2012 1462.45 355.92 1106.53

2013 1507.39 361.19 1146.20

2014 1579.10 375.78 1203.33

2015 1451.25 375.99 1075.26

2016 1562.32 370.88 1191.44

2017 1535.51 364.71 1170.80

2018 1527.65 354.19 1173.47

2019 1290.96 334.03 956.93

2020 1353.87 345.28 1008.59

從環比增速的變動來看，山西省農業凈碳匯量環比增速的時序變化呈波動下降趨勢， 2010年和2012年環比增速大于10%， 2010年增速最大為28.11%， 2015 年、2017年和2019年增速為負， 2019年增速最低為-18.45%。受極端天氣影響2015 年和2019年山西省農業凈碳匯量環比增速波動明顯， 2016年較2015年增速上升 21.45%， 2019年較2018年增速下降18.68%， 2020年較2019年增速上升23.85%。

山西省的農業凈碳匯量雖不斷上升，但環比增速卻不斷下降，應繼續從供給側和需求側著手，發展低碳農業，促進農業清潔生產，充分發揮耕地的碳匯功能。

3.4.2山西省農業碳匯效應空間變化特征

從表3.9可知， 2009—2020年山西省11個地市的農業碳效應具有以下特征：

①山西省11個地市的農業碳效應均表現為農業碳匯，年均農業凈碳匯量由大到小依次為運城市（234.71萬噸）、臨汾市（178.88萬噸）、晉中市（139.89萬噸）、長治市（112.84萬噸）、忻州市（101.39萬噸）、晉城市（63.22萬噸）、大同市（55.63 萬噸）、太原市（23.98萬噸）、陽泉市（13.09萬噸），占全省的比重分別為22.06%、 16.81%、 13.15%、 10.60%、 9.53%、 6.61%、 6.01%、 5.94%、 5.23%、 2.25%、 1.81%。

②從 11 個地市農業凈碳匯量的變化趨勢來看，大部分地市的農業凈碳匯量不斷增多，大同市農業凈碳匯量增幅最大，其次為朔州市、忻州市和臨汾市，陽泉市、長治市和晉中市農業凈碳匯量增幅相對較小均小于 10%。太原市、晉城市農業凈碳匯量波動下降，降幅分別為39.76%和2.47%。③從11個地市農業凈碳匯量所占比重的變化趨勢來看，大部分地市農業凈碳匯量占山西省農業凈碳匯量的比重下降，太原市所占比重降幅最大為54.44%，其次為晉城市（26.23%）、陽泉市（21.17%）、晉中市（18.77%）、長治市（18.75%）、呂梁市（12.57%）和運城市（10.07%）。大同市、朔州市、忻州市和臨汾市農業凈碳匯量所占比重呈上升態勢。

采用ArcGIS軟件，選取2009年、2012年、2016年和2020年山西省的農業凈碳匯量，利用當年均值劃分為低碳效應區（均值0.5 倍）、中碳效應區（均值）、較高碳效應區（均值1.5倍）和高碳效應區（均值2倍）[ 碳匯效應等級作為表征氣態污染物排放特征的重要參數，在沒有山西省碳匯效應等級的情況下，參考王強等的研究成果，利用當年均值作為劃分標準。

30]，做出山西省11個地級市農業碳效應空間分布圖，探究山西省11個地級市農業碳效應空間變化特征。

表3.9 2009—2020年山西省 11 個地級市農業凈碳匯量（單位： 104t）

地市 2009 2011 2013 2015 2017 2019 2020 年均

太原市 25.57 26.34 27.19 24.06 26.26 15.01 15.40 23.98

大同市 12.74 43.56 58.38 55.78 64.49 71.53 72.27 55.63

陽泉市 16.59 19.82 22.91 18.53 19.58 15.21 17.29 19.26

長治市 84.63 114.35 126.39 122.99 129.96 77.99 90.92 112.84

晉城市 50.42 69.67 70.05 75.39 64.79 46.01 49.18 63.22

朔州市 33.99 56.81 72.78 66.36 86.19 78.51 76.53 70.28

晉中市 112.20 130.26 155.66 147.87 150.93 116.17 120.50 139.89

運城市 187.03 221.65 253.90 260.75 247.40 205.03 222.37 234.71

忻州市 69.94 83.92 103.00 82.93 114.32 123.32 120.19 101.39

臨汾市 118.62 163.77 180.70 186.35 208.76 153.68 164.87 178.88

呂梁市 51.09 65.83 75.25 34.24 58.13 54.47 59.06 63.96

從圖 3.10 可以看出， 2009 年-2020 年山西省農業碳效應具有明顯的空間差異特征，以中碳效應區和較高碳效應區為主，中碳效應區數量不斷增加，高碳效應區分布較穩定主要位于山西南部。山西南部地區如運城市、臨汾市等農作物種植面積廣闊，農業中種植業占比較大，碳吸收能力顯著，北部地區如大同市和朔州市種植業發展弱于南部地區，碳吸收能力相對較弱，且畜禽養殖碳排放高于南部地區，故農業碳效應低于南部地區。 2009 年-2020 年變動較大的地市有大同市和朔州市（低碳效應區轉變為中碳效應區）、長治市（較高碳效應區轉變為中碳效應區）、忻州市（中碳效應區轉變為較高碳效應區）。

2009年山西省分布高碳效應區1 個（運城市）、較高碳效應區2個（晉中市和臨汾市）、中碳效應區4個（忻州市、呂梁市、長治市和晉城市）、低碳效應區4個（大同市、朔州市、太原市、陽泉市）。 2012年山西省高碳效應區仍為 1 個，較高碳效應區增加為 3 個，長治市由中碳效應區轉變為較高碳效應區；中碳效應區為 4 個，低碳效應區減少為 3 個，朔州市由低碳效應區轉變為中碳效應區。 2016 年山西省高碳效應區增加為 2 個，臨汾市由較高碳效應區轉變為高碳效應區，中碳效應區和較高碳效應區數量不變，低碳效應區減少為 2 個，忻州市由中碳效應區轉變為較高碳效應區，大同市由低碳效應區轉變為中碳效應區。 2020 年山西省高碳效應區和低碳效應區空間格局未發生變化。

3.5本章小結

基于農業生產全過程的碳賬戶從農地利用（如農藥、化肥、農膜、灌溉、土地翻耕、農業機械總動力等）、畜禽養殖（腸道發酵、動物糞便等）和作物固碳三個方面對2009—2020年山西省及11個地級市的農業碳排放量、碳吸收量和農業碳效應進行計算和分析。 2009年-2020年山西省農業生態系統是一個碳匯系統，年均凈碳匯量為 1064.05萬噸，年均農業碳排放總量為 357.14萬噸，農地利用年均碳排放量為264.10萬噸，占比達73.95%，是山西省主要的農業碳源；年均農業碳吸收總量為1421.19萬噸，糧食作物年均碳吸收量為1313.86萬噸，占比達94.25%，是山西省作物固碳的主要類別。從空間分布來看，山西省11個地市的農業碳效應均表現為農業碳匯，利用當年均值將各地市的農業碳效應劃分為低、中、較高和高四個等級，山西省農業碳效應具有明顯的空間差異特征，以中碳效應區和較高碳效應區為主，中碳效應區數量不斷增加，高碳效應區分布較穩定且主要位于山西南部。

第 4 章山西省農業碳補償率空間效應研究

在農業生產過程中，由于相似的種植結構、自然資源稟賦和技術擴散等情況，地區間的農業生產活動相互影響，農業碳效應具有空間關聯特征。同時，農業兼有碳排放與碳吸收的雙重特性，農業碳匯可以中和農業生產過程中產生的碳排放。在實現“雙碳”目標的背景下，充分發揮農業的碳匯功能，同時考慮地理空間效應，本文通過空間自相關分析和考慮空間效應的卩收斂性檢驗研究山西省農業碳補償率的空間效應。

4.1農業碳補償率時空特征分析

4.1.1農業碳補償率計算

由于資源稟賦等差異的影響，各地市的農業碳匯效應總量差距懸殊，不便于后續分析，因此選取不受總量基數影響的農業碳補償率更便于區域間橫向比較。農業碳補償率考慮農業碳排放和碳吸收的雙重特性，可以體現農業對自身所造成的環境負外部性進行補償的能力(張巍等， 2018)，為農業碳吸收與農業碳排放量的比值，如下所示:

M = C/E (4.1)

式中，C為農業碳吸收量，E為農業碳排放量，M為各地市的農業碳補償率。M <1時表明該生態系統為碳源；當M>1時，表明該農業生態系統為碳匯，M越大，農業碳匯能力越強；當M=1時，實現了碳平衡，農業碳匯中和了農業生產過程中產生的碳排放。

4.1.2農業碳補償率時空特征分析

(1)山西省農業碳補償率時序變化特征分析

據表4.1、圖4.1 可知， 2009—2020年山西省農業碳補償率均為正值，表現為碳匯，年均碳補償率為3.97，呈波動上升趨勢，碳補償率由2009年的 3.19增長至 2020年的 3.92，年均增長率為2.17%。 2018年碳補償率最高為4.31， 2009年碳補償率最低為3.19。農業碳補償率的時序變化可以分為2個階段：①波動上升期 (2009—2018年)，該時期山西省農業碳補償率波動上升。農業碳補償率從3.19增

長至4.31，增幅為35.15%。②波動下降期（2018—2020年），該階段山西省農業碳補償率呈波動下降的態勢。農業碳補償率從4.31 減少至 3.92，降幅為 9.09%。

圖4.1 2009—2020 年山西省農業碳補償率及環比增速圖

表 4.1 2009—2020年山西省碳匯量、碳排放量與碳補償率（單位： 104t）

年份碳吸收碳排放碳補償率

2009 1110.92 348.09 3.19

2010 1324.56 347.32 3.81

2011 1348.26 352.27 3.83

2012 1462.45 355.92 4.11

2013 1507.39 361.19 4.17

2014 1579.10 375.78 4.20

2015 1451.25 375.99 3.86

2016 1562.32 370.88 4.21

2017 1535.51 364.71 4.21

2018 1527.65 354.19 4.31

2019 1290.96 334.03 3.86

2020 1353.87 345.28 3.92

從環比增速的變動來看，山西省農業碳補償率環比增速的時序變化呈波動下降趨勢， 2010年增速最大為 19.50%， 2015 年、2017年和 2019年增速為負， 2019 年增速最低為-10.39%。受極端天氣影響2015 年和 2019年山西省農業碳補償率環比增速波動明顯， 2016年較2015 年增速上升 17.28%， 2019年較2018年增速下降 12.84%。 2009—2020 年山西省農業碳補償率不斷上升，但增速逐漸放緩，表明隨著農業經濟的發展及相關政策的推進，低碳農業的發展取得了一定的成效，但要實

現集約低碳農業仍然需要繼續努力，積極促進農業清潔生產。

（2）山西省農業碳補償率空間變化特征分析

從表4.2可知，2009—2020年山西省11個地市的農業碳補償率具有以下特征： ①年均農業碳補償率最高的為陽泉市（5.38）,其次為晉中市（5.10）、長治市（4.99）、臨汾市（4.82）、晉城市（4.51）、運城市（4.38）、忻州市（3.22）、朔州市（3.11）、呂梁市（3.09）、太原市（3.08）、大同市（2.57）。②從11個地市農業碳補償率的變化趨勢來看，大部分地市的農業碳補償率逐漸增高，大同市農業碳補償率增幅最大，其次為朔州市、臨汾市和忻州市，增幅分別為57.69%、 37.21%和35.92%，長治市、晉中市、晉城市和呂梁市農業碳排放量增幅相對較小，均小于 10%。太原市、陽泉市農業碳補償率呈波動下降態勢，降幅分別為15.83%和0.62%。

表4.2 2009—2020年山西省11個地級市農業碳補償率

地市 2009 2011 2013 2015 2017 2019 2020 年均

太原市 3.07 3.29 3.30 2.96 3.23 2.61 2.59 3.08

大同市 1.36 2.35 2.74 2.49 2.73 3.00 3.04 2.57

陽泉市 5.13 5.61 6.19 4.86 5.26 4.76 5.10 5.38

長治市 4.11 5.04 5.32 5.17 5.47 3.99 4.47 4.99

晉城市 3.80 4.56 4.70 4.85 4.78 4.01 4.06 4.51

朔州市 2.05 2.82 3.11 2.86 3.62 3.47 3.23 3.11

晉中市 4.41 4.83 5.54 5.16 5.34 4.73 4.62 5.10

運城市 3.83 4.18 4.51 4.65 4.44 4.17 4.39 4.37

忻州市 2.64 2.90 3.36 2.68 3.47 3.80 3.59 3.23

臨汾市 3.47 4.45 4.81 4.90 5.46 4.56 4.76 4.82

呂梁市 2.75 3.20 3.41 2.05 2.81 2.89 2.96 3.09

利用ArcGIS軟件，選取2009年、2012年、2016年和2020年農業碳補償率的相關數據做出山西省 11 個地級市農業碳補償率空間分布圖，探究山西省 11 個地級市農業碳補償率空間變化特征。從圖4.2可以看出， 2009—2020年山西省農業碳補償率具有明顯的空間差異特征，山西省北部地區農業碳補償率較低，中部及南部地區農業碳補償率相對較高，且農業碳補償率高值呈現出向南部聚集的趨勢。晉中市和臨汾市農作物種植面積廣闊，自然資源稟賦優越，種植業發展較好，雖化肥、農藥等農資投入相應較多，但其農業碳匯有效中和了農業生產過程中的碳排放，農業碳補償率高于山西省平均水平，發揮了較顯著的農業碳匯作用。大同市和朔州市

畜牧養殖發展較好，種植業發展與山西省中部和南部相比較弱，農業碳匯低于山西

省中部和南部地區，農業碳補償率相對較低。

圖4.2 2009年、2012年、2016年和 2020年山西省農業碳補償率空間分布圖

4.2農業碳補償率空間自相關分析

“地理學第一定律” 認為任何事物都具有一定的空間依賴性，而且這種空間相關關系會因為地理距離的遠近而表現出強弱的不同（Anselin L，1988）。已有研究顯示，區域間碳分布相互關聯，并非彼此獨立，且存在正向的空間相關性和空間溢出效應（李秋萍等， 2015; 劉佳駿等， 2015；吳昊玥等， 2020）。農業碳補償率空間關聯格局的形成，推測有以下原因：①鄰近地市自然資源稟賦類似，氣候條件和地理環境相似，農業生產結構也頗為相近，導致農業發展形成一定程度的共生特征； ②相似的地理環境與農業生產結構為鄰近地區間要素流動和技術擴散等活動提供了基礎，使得農業生產活動相互影響，農業碳補償率可能存在空間關聯；③鄰近地區一般被給予相似的農業經濟發展政策和環境規制措施，區域間會產生“策略跟隨”，使農業碳補償率產生關聯現象（何艷秋等， 2021）。因此，一個地區的農業碳補償率不僅受到本地區因素的影響，也可能受到鄰近地區生產行為、政策措施的作

36 用，導致碳效應呈空間集聚態勢（陳羅燁等， 2015）。

4.2.1研究方法

探索性空間數據分析（ESDA）主要用于分析某指標與其相鄰地區該指標的空間相關性，本文借助GeoDa等軟件應用ESDA探究2009年-2020年山西省11個地市農業碳補償率的空間演變過程及其相關關系，以期發現其內在的變動機制。空間自相關（Spatial autocorrelation）是ESDA中被普遍適用的方法，全局自相關主要是研究農業碳補償率的整體空間關聯性，局部自相關主要是研究局部區域間農業碳補償率的空間關聯性。

（1）全局自相關

利用全局Moran's I表示指標在空間區域的關聯程度，其公式如下：

徃iWij（Xi—x）（Xj—x）

器i（Xi-戸）2

式中：Wij為queen鄰接的空間權重矩陣，即地市i與地市j擁有共有的地理邊界以及共同連接點則為鄰接單元，Wij=1,反之Wij=0；治為第謳域的農業碳補償率； Xj為第丿•區域的農業碳補償率；九為研究區數量，九=11。Moran's I>0表示農業碳補償率在研究區內空間正相關，出現規模集聚效應； Moran's I=0 表示農業碳補償率在研究區內隨機分布，無空間相關性；Moran's I<0表示農業碳補償率在研究區內空間負相關。

（2）局部自相關

利用局部Moran's I來探究要素與相鄰顯著相似值區域的空間集聚程度，其公式如下：

7 = 1

式中：Wij為queen鄰接的空間權重矩陣，Xi、Xj為i地市和丿•地市的農業碳補償率；九為研究區數量，九=11。局部Moran's I>0表示i地市農業碳補償率是高（低）值，周圍地市的農業碳補償率也為高（低）值；局部Moran's I<0表示i地市農業碳補償率是高（低）值，周圍地市的農業碳補償率則為低（高）值。

4.2.2全局空間自相關分析

借助 GeoDa 等軟件利用全局 Moran's I 指數分析 2009—2020 年山西省農業碳補償率的空間相關性特征，表4.3為全局Moran's I指數結果。

表 4.3 2009—2020 年山西省農業碳補償率 Global Moran's I 值

Year Moran's I Z Year Moran's I Z

2009 0.600*** 3.5118 2015 0.544*** 3.0621

2010 0.751*** 4.0439 2016 0.615*** 3.3422

2011 0.695*** 3.7132 2017 0.486*** 2.8123

2012 0.689*** 3.6558 2018 0.406** 2.5236

2013 0.617*** 3.3194 2019 0.226* 1.5942

2014 0.524*** 2.9818 2020 0.438** 2.5783

資料來源：本表數據根據GeoDa計算整理而得。注：***P<0.01, **P<0.05,*P<0.1。

從表 4.3 可以看出， 2009—2020 年山西省 11 個地市農業碳補償率的全局 Moran's I 指數均為正值， 2009—2017 年通過了 1%的顯著性水平檢驗， 2018 年和 2020 年通過了 5%的顯著性水平檢驗， 2019 年通過了 10%的顯著性水平檢驗， Moran's I指數的取值范圍為0.226~0.751，這說明山西省11個地市的農業碳補償率存在一定的空間關聯特征，表現出顯著的空間正相關，農業碳補償率呈現出高高、低低相對聚集的態勢，農業碳補償率較高的地市相鄰，農業碳補償率較低的地市也相鄰。從全局Moran's I指數的變化來看，Moran's I指數呈現出波動下降的態勢，從2009年的0.600下降至2020年的0.438，2010年Moran's I指數最大為0.751， 2019年因極端天氣影響Moran's I指數最小為0.266，空間相關性相對較弱。

4.2.3局部空間自相關分析

全局空間自相關是對山西省整體農業碳補償率的空間關聯性特征進行分析，本文從研究期內選取個別年份的農業碳補償率，借助局部Moran's I散點圖和LISA 集聚圖分析局部地區農業碳補償率的空間相關特征。

局部Moran's I散點圖分為四個象限，依次為H-H聚集區、L-H聚集區、L-L 聚集區和H-L聚集區。第一象限H-H聚集區表示農業碳補償率高的地市聚集在一起，空間差異較小；第二象限 L-H 聚集區表示本地市農業碳補償率為低值，而周圍地市的農業碳補償率為高值，低值被高值包圍，空間差異較大；第三象限L-L聚集區表示農業碳補償率低的地市聚集在一起，空間差異較小；第四象限 H-L 聚集

區表示本地市農業碳補償率為高值，而周圍地市的農業碳補償率為低值，高值被低值包圍，空間差異較大。

從圖4.3、圖4.4、圖4.5、圖4.6可以看出，山西省大部分地市的農業碳補償率集聚在第一象限和第三象限，局部之間存在較強的關聯性，呈現出 H-H、 L-L 集聚的態勢。 2009年山西省11個地市中呂梁市位于第二象限，說明呂梁市農業碳補償率較低，被農業碳補償率較高的地市所包圍，除呂梁市外其余地市均位于一、三象限， 3 個地市位于第三象限呈現 L-L 聚集， 7 個地市位于第一象限呈現 H-H 聚集。呂梁市地勢較高，農作物種植自然資源稟賦較差，農業碳補償率相對較低，周邊地區如晉中市和臨汾市農作物種植條件好，光照充足，作物碳匯功能顯著，農業碳補償率高于全省平均水平。 2012年山西省11個地市中陽泉市位于第四象限，說明陽泉市農業碳補償率較高，被農業碳補償率較低的地市包圍，呂梁市仍位于第二象限， 5 個地市位于第一象限呈現 H-H 聚集， 4 個地市位于第三象限呈現 L-L 聚集。 2016年和2020年11個地市農業碳補償率的集聚態勢較2012年變動較小。

圖4.3 2009年山西省農業碳補償率局部Moran's I散點圖

圖4.4 2012年山西省農業碳補償率局部Moran's I散點圖

圖4.5 2016年山西省農業碳補償率局部Moran's I散點圖

圖4.6 2020年山西省農業碳補償率局部Moran's I散點圖

根據山西省農業碳補償率的空間關聯特征繪制LISA聚類圖，據圖4.7可知, 從地區分布來看， 2009—2020 年表現為 H-H 集聚的地市主要位于山西南部， L-L 集聚的地市則主要位于山西北部，空間自相關不顯著的地市包括呂梁市、太原市、晉中市、陽泉市，主要位于山西中部地區，與山西省農業碳補償率的空間分布情況表現一致。從時間發展來看，2010年呈現H-H集聚的地市為臨汾市和長治市，L- L集聚的地市為大同市、朔州市和忻州市。2013年呈現L-L集聚的地市為大同市、朔州市和忻州市，無H-H集聚顯著地市。2017年呈現H-H集聚的地市為長治市, L-L集聚的地市為朔州市和忻州市。2020年呈現L-L集聚的地市為忻州市。2009— 2020年山西省11個地市中呈現L-L集聚的地市不斷減少，說明隨著農業生產水平的不斷發展，山西省各地市的農業碳補償率也相應提高。

圖 4.7 2010年、 2013 年、 2017年和 2020年山西省農業碳補償率

LISA集聚圖

4.3農業碳補償率收斂性分析

4.3.1研究方法

收斂性分析主要是檢驗2009—2020 年山西省不同地區的農業碳補償率的趨同情況。目前主要包括a收斂和卩收斂兩種收斂性檢驗類型，本文選取考慮空間效應的卩收斂來驗證山西省各個地區農業碳補償率的趨同情況。卩收斂主要是指與高值區域相比山西省農業碳補償率低值區域農業碳補償率的增速更快,包括絕對卩收斂和條件卩收斂，前者不考慮農業經濟發展水平等的影響，假定各地區發展條件相同，后者則考慮各地區農業碳補償率發展的影響因素。

(1)絕對卩收斂性檢驗

絕對收斂卩主要是檢驗山西省11個地市農業碳補償率是否存在趨同情況，從而分析山西省農業碳補償率較低的地市是否存在追趕農業碳補償率較高的地市的態勢。

式中：7i,t表示第i地市在t時期的農業碳補償率，％,t+1表示第i地市在t + 1時期

的農業碳補償率；Q、務分別為常數項和誤差項。若0<0,則表明農業碳補償率存在收斂特征，農業碳補償率較低的地區存在追趕農業碳補償率較高地區的趨勢，反之則不存在。

（2）條件卩收斂性檢驗

條件卩收斂是指考慮山西省各地市農業碳補償率影響因素的不同，各地市的農業碳補償率最終會收斂于各自穩定的狀態。農業碳排放、碳吸收源頭復雜多樣，農業碳補償率的影響因素也涉及多個方面。從表4.4可以看出，已有研究顯示，農業經濟發展、要素投入、產業結構變動、農業生產效率等多種因素均會影響農業碳補償率的變化。

表 4.4 農業碳補償率影響因素匯總表

影響因素文獻來源

人口數、人均GDP、農業機械總動力、農業產值、城鎮化率高標等-

農業經濟發展水平、農業生產效率、農業結構、農業勞動力規模蘇洋等

農業經濟發展水平、農業機械動力、部門比例優化指數、種植業結構優化指數吳昊玥等農業財政支出、城鎮化率、產業結構、農業機械化、農戶文化程度、農業經伍國勇等營規模

農業經濟、農業效率、農業勞動力、農業結構邱怡慧等

農業生產效率、農業結構、經濟發展水平、勞動力規模李波等

結合山西省實際情況并考慮數據可得性，本文將農業生產效率、部門優化比例指數、農業經濟發展水平、城鎮化率、農業機械總動力等控制變量納入農業碳補償率的條件卩收斂性檢驗。

①農業經濟發展水平 ECO

農業經濟發展水平反映基礎設施建設水平，其發展程度將影響生產方式、經營規模（吳賢榮等， 2015），是導致農業碳排放量增加的重要原因（田云， 2012），從

而間接作用于農業碳補償率。本文將農林牧漁總產值與農村總人口數的比值表示農業經濟發展水平，用ECO來表示，反映農業發展程度及生產效率。

②部門優化比例指數STR

產業內部結構演化會產生不同的碳效應：各類作物的碳吸收系數不同，種植結

42 構不同碳匯效應也有明顯差異；畜禽通常為反芻動物，其腸道發酵和糞便管理通常產生大量碳排放，畜禽養殖碳排放的比重直接影響農業碳排放量。農林牧漁部門比例的變動會間接改變碳吸收與碳排放總量（文清等， 2015），從而影響農業碳補償率。本文將種植業產值與農林牧漁總產值的比值作為部門優化比例指數，用 STR 來表示，用于衡量農業產業內部結構變動間接引起碳總量的變化。

③城鎮化率 URB 城鎮化水平的提高意味著大量的農村人口向城市轉移，尤其是農村青壯年勞

動力在一定程度上會減少，勞動力質量的下降導致農民投入更多的生產要素以完成農業生產，保證農作物的產量，生產要素投入的增加使得農業碳排放量相應增多，進而影響農業碳補償率。本文將城鎮人口與地區總人口的比值作為城鎮化率，用 URB 表示。

④農業機械動力 MAC 在農業生產中，農業機械化的使用對于農業碳排放有著重要影響（李波等，

2011）。農業機械承載使用過程中消耗大量電力和柴油、汽油等燃料，會加劇溫室氣體排放（陳儒等，2018），本文將農業機械總動力作為農業機械動力，用MAC表示，代表生產過程中機械的投入情況。

⑤農業生產效率 APE 本文將農業碳排放總量與本文農業（即種植業和畜牧業）總產值的比值作為農

業生產效率，用APE表示。在保證農業產出的情況下，提高農用物資的利用效率，可以減少化肥、農藥等農用物資的投入，減少農業碳排放；反之，農用物資利用效率較低時，需投入更多的生產要素，從而增加農業碳排放量，導致農地單位面積碳排放量的增加。

基于農業生產效率、部門優化比例指數、農業經濟發展水平、城鎮化率、農業機械總動力等控制變量構建考慮空間效應的條件卩收斂性檢驗模型如下：

ln = pwinp^i） +0in%,t + yX +（pWX + ci + i）i + （4.5）

yi,t yt,t

式中：Vi.t代表i地區第t年的農業碳補償率，yi,t+1代表i地區第t + 1年的農業碳補償率。p為空間自回歸系數，卩為控制變量的溢出效應，x表示可能影響山西省各地市農業碳補償率的控制變量，加為時間效應，Ci為地區效應，£訂為誤差項，y是控制變量的影響系數。若0<0,則說明山西省各地市的農業碳補償率存在條件卩收

斂，反之則發散。在研究中對APE、ECO、STR和MAC4個變量取自然對數，表

4.5為條件卩收斂檢驗變量的描述性統計分析情況。

表4.5條件卩收斂變量的統計分析

變量樣本量均值標準差最小值最大值

農業碳補償率（Y） 132 4.02 1.06 1.36 6.19

農業生產效率（APE） 132 0.58 0.58 0.24 1.19

農業經濟發展水平（ECO） 132 0.90 0.43 0.21 2.3

城鎮化率（URB） 132 0.60 0.13 0.37 0.89

部門優化比例指數（STR） 132 0.56 0.56 0.37 0.77

農業機械總動力（MAC） 132 219.27 142.35 330.67 721.5

4.3.2收斂模型檢驗

空間自相關分析表明山西省11個地市農業碳補償率存在空間相關性，故運用空間計量模型（空間誤差模型SEM、空間杜賓模型SDM和空間滯后模型SAR）進行卩收斂性檢驗。利用LM檢驗和穩健的LM檢驗確定使用哪一種模型進行卩收斂性檢驗，在此基礎上利用 Hausman 檢驗確定使用固定效應模型還是隨機效應模型。

表4.6山西省收斂等式OLS回歸殘差的LM檢驗

檢驗山西省北部南部

統計量 P值統計量 P值統計量 P值

Moran's I 4.904 0.000 2.360 0.018 3.030 0.002

LM Error(Burridge) 20.325 0.000 3.604 0.058 6.804 0.009

LM Error(Robust) 1.242 0.265 1.379 0.240 3.636 0.057

LM Lag(Anselin) 27.748 0.000 8.416 0.004 12.948 0.000

LM Lag(Robust) 8.665 0.003 6.190 0.013 9.779 0.002

將山西省劃分為北部（大同市、朔州市、忻州市、太原市、呂梁市）和南部（晉中市、長治市、晉城市、運城市、臨汾市、陽泉市），運用 Stata15.1 軟件，分別對山西省、山西省北部和山西省南部地區的農業碳補償率進行LM檢驗和穩健的LM 檢驗。從表4.6可以看出山西省和北部地區SAR的統計量均通過了 LM檢驗和穩健的LM檢驗（PV0.05）,而SEM的統計量通過了 LM檢驗（PV0.1）未通過穩健的LM檢驗（P>0.1）,故山西省和北部地區卩收斂性檢驗采用空間滯后模型

(SAR)o南部地區SAR和SEM的統計量均通過了 LM檢驗和穩健的LM檢驗(P <0.1)，LR檢驗說明南部地區SDM模型不可以退化為SAR模型或SEM模型，故山西南部地區卩收斂性檢驗采用空間杜賓模型(SDM)o Hausman檢驗結果表明本文選擇固定效應模型來進行收斂性分析。

4.3.3收斂性檢驗分析

(1)絕對卩收斂性檢驗分析

本文選擇空間滯后固定效應模型(SAR)對2009—2020年山西省農業碳補償率進行絕對卩收斂性檢驗。將樣本期分為2009—2012年、2013—2016年和2017— 2020年三個階段分別進行收斂檢驗，表4.7、表4.8 分別為時間層面和地區層面山西省農業碳補償率絕對卩收斂性檢驗的結果。

根據收斂檢驗結果可知，山西省農業碳補償率的空間效應p為正且通過顯著性水平檢驗，系數卩為-0.5169且在P<0.01的水平顯著為負，這說明2009—2020 年山西省農業碳補償率存在顯著的絕對卩收斂，收斂速度為6.06%，說明11個地市的農業碳補償率都會向山西省農業碳補償率的最高值追趕。在分階段考察中，三個階段的回歸系數卩都在P<0.01的水平顯著為負，其中2017—2020年空間效應 p為正且通過顯著性水平檢驗，山西省農業碳補償率的絕對卩收斂呈現出階段特征，在2017年后呈現出顯著的絕對卩收斂，2017—2020年收斂速度為31.78%。

表4.7山西省農業碳補償率絕對卩收斂性檢驗結果

參數全樣本分階段考察

2009—2020 年 2009—2012 年 2013—2016 年 2017—2020年

p -0.5169*** -0.8632*** -1.1976*** -0.7195***

(-7.77) (-7.86) (-7.87) (-5.05)

0.3982*** 0.0278 0.2537 0.4633***

p (5.20) (0.19) (1.93) (3.86)

R2 0.4166 0.7269 0.6786 0.5217

F 統計量 5.86*** 2.15* 2.10* 2.05*

注：***P<0.01, **P<0.05, *P<0.1o 括號內為 t 統計量。

從地區層面來看， 2009—2020 年山西省以及北部、南部地區農業碳補償率空

間效應p均為正且通過顯著性水平檢驗(P<0.01),絕對卩收斂的估計系數均通過

10%的顯著性水平檢驗，分別為-0.5169、 -0.3325 和-0.7611，山西省、山西省北部

以及山西省南部地區均存在顯著的絕對卩收斂，各地市的農業碳補償率會向農業碳補償率的最高值追趕，北部、南部地區各地市的農業碳補償率會向各自區域內農業碳補償率的最高值追趕。山西省、山西省北部以及山西省南部地區的收斂速度分別為 6.06%、 3.37%和 11.93%，南部地區的收斂速度快于北部地區，表明低碳農業相關政策的有效實施能夠快速推動山西南部農業碳補償率水平的差異趨于縮小。

表4.8地區層面農業碳補償率絕對卩收斂性檢驗結果

變量山西省（SAR）北部(SAR) 南部(SDM)

p -0.5169*** (-7.77) -0.3325*** (-4.73) -0.7611*** (-6.74)

Wxp -0.0459(-0.25)

P 0.3982***(5.20) 0.4163***(4.40) 0.3207**(2.48)

R2 0.4166 0.4161 0.5102

F 統計量 5.86*** *** ***

注：***P<0.01, **P<0.05, *P<0.1。括號內為 t 統計量。

（2）條件卩收斂性檢驗分析

在農業碳補償率絕對卩收斂分析的基礎上，將農業生產效率（APE）、農業經濟發展水平（ECO）、城鎮化率（URB）、部門優化比例指數（STR）、農業機械總動力（MAC）等控制變量納入農業碳補償率的條件卩收斂性檢驗，結果如表4.9。

在考慮若干控制變量的影響后，無論是山西省還是北部、南部地區其條件卩收斂的估計系數均為負數且通過了顯著性水平檢驗（P<0.01）,南部地區農業碳補償率卩收斂系數與空間權重矩陣交乘項系數為-0.5453,顯著性水平P<0.01,農業碳補償率在山西省、山西省北部以及山西省南部地區的差異隨時間推移逐漸縮小，山西省、山西省北部以及山西省南部區域內各地市的農業碳補償率向各自的穩態趨近。從收斂趨勢來看，與山西省相比，南部地區的收斂趨勢較強，明顯強于北部地區。山西省、山西省北部以及山西省南部地區同時存在絕對收斂和條件收斂，與高值區域相比農業碳補償率低值區域的增速更快，農業碳補償率在區域內呈現出趨同的態勢。

從控制變量對農業碳補償率變化的影響來看,農業生產效率（APE）對山西省、山西省北部以及山西省南部地區農業碳補償率的增長表現出顯著的正向關系。單位農業產值所產生的農業碳排放量越少，農業生產效率就越高。農業經濟發展水平（ECO）對北部地區農業碳補償率的增長影響不顯著，對山西省及山西省南部地區農業碳補償率的增長表現出顯著的正向關系。農業經濟水平不斷發展，科技水平不

斷提高，逐漸形成集約低碳的農業生產方式，促進農業生產過程的碳減排。城鎮化率(URB)對山西省、山西省北部以及山西省南部地區農業碳補償率的增長影響不顯著。部門優化比例指數(STR)對山西省、山西省北部以及山西省南部地區農業碳補償率的增長表現出顯著的正向關系。種植業產值占比越高，作物的碳匯功能就越顯著。農業機械總動力(MAC)對北部、南部地區農業碳補償率的增長表現出顯著的負向關系，對山西省農業碳補償率的增長影響不顯著。農業機械總動力指數越高，農業碳排放量相應增多，農業機械總動力是造成溫室氣體排放的一大碳源。農業經濟發展水平(ECO)與空間權重矩陣交乘項系數顯著為正，城鎮化率(URB) 與空間權重矩陣交乘項系數顯著為負，說明南部地區鄰近地市農業經濟發展水平和城鎮化率的變化會對本地市的農業碳補償率產生間接影響。

表4.9 2009年-2020年山西省農業碳補償率條件卩收斂性檢驗結果

變量山西省(SAR) 北部(SAR) 南部(SDM)

p -0.7567*** (-10.75) -0.2523*** (-4.79) -0.9716*** (-13.09)

Ln APE 0.6303***(5.62) 0.2299* (1.91) 1.0190***(6.87)

Ln ECO 0.4999***(4.64) 0.0271(0.77) 0.9350***(6.60)

URB -0.2952(-0.56) 0.2778(1.14) 0.0616(0.08)

Ln STR 0.6134***(5.86) 0.3300**(2.32) 0.6472***(5.66)

Ln MAC -0.0146(-0.6) -0.0619**(-2.13) -0.0847*(-1.9)

Wxp -0.5453***(-2.62)

WxLn APE 0.0432(0.18)

WxLn ECO 0.4272*(1.84)

WxURB -5.3235***(-4.68)

WxLn STR 0.0281(0.13)

WxLn MAC -0.0385(-0.75)

p 0.3167***(4.3) 0.3486***(3.26) -0.2688(-1.59)

R2 0.6835 0.5024 0.8411

N 121 55 66

注：***P<0.01, **P<0.05, *P<0.1o 括號內為 t 統計量。

4.4本章小結

2009—2020年山西省11個地市農業碳補償率的全局Moran's I指數均為正值, 農業碳補償率表現出顯著的空間正相關，呈現出高高、低低相對聚集的態勢，表現為H-H集聚的地市主要位于南部地區，L-L集聚的地市則主要位于北部地區。山西省以及北部、南部地區的農業碳補償率均存在顯著的絕對 p 收斂，山西省及北部、南部各地市的農業碳補償率會向各自區域內農業碳補償率的最高值追趕。在考慮若干控制變量的影響后,無論是山西省還是山西省北部、山西省南部地區均存在條件卩收斂，區域內各地市的農業碳補償率趨向各自穩態。山西省、山西省北部以及山西省南部地區絕對收斂和條件收斂的結果均顯著為負值，與高值區域相比農業碳補償率低值區域的增速更快，農業碳補償率在區域內呈現出趨同的態勢。

第 5 章山西省農業碳補償潛力研究

5.1農業碳補償潛力研究方法

空間自相關分析和 p 收斂性檢驗表明山西省農業碳補償率存在空間相關性和趨同情況，在此基礎上參考王臘芳等(2015)的研究采用參數對比法來分析山西省的農業碳補償潛力。參數對比法主要應用趨同理論測算山西省農業碳補償潛力，在判別農業碳補償潛力大小時預先選定 1 個比較標準，將各地區的農業碳補償率與該比較標準進行對比，把二者間差距作為衡量農業碳補償潛力的標準。

假設各地區的農業碳補償率向最高值收斂，利用絕對趨同法分別測算山西省

11 個地級市的農業碳補償潛力，再利用條件趨同法測算北部、南部地區農業碳補

償潛力。計算方式如下:

式中，S為i地區的農業碳補償潛力，Mi為i地市的農業碳補償率，Mmax為山西省(北部或南部)農業碳補償率最高值。

5.2農業碳補償潛力區域差異分析

根據趨同原理選擇每個區域農業碳補償率最高的地市作為比較標準，分別從山西省和區域層面分析了山西省11個地市的農業碳補償潛力。

5.2.1 山西省農業碳補償平均潛力差異分析

2009—2020年山西省 11 個地市平均農業碳補償率最高的地區為陽泉市，平均農業碳補償率為5.37，選擇陽泉市作為比較標準估算山西省 11 個地市的農業碳補償平均潛力。

將農業碳補償平均潛力劃分為低、中、高、最高四個等級，從圖5.1、表5.1 可以看出，有7 個地市處于中、高農業碳補償潛力區域，占比為 63.64%，說明山西省大部分地市的農業碳補償率較低，存在一定的碳補償潛力挖掘空間。2009年- 2020 年農業碳補償潛力最高的為大同市(52.13%)，其次為太原市(42.73%)、呂梁市(42.54%)、朔州市(42.24%)和忻州市(39.95%)。中碳補償潛力區包括運城

市(18.66%)和晉城市(16.20%)。這些地市種植業面積廣闊，農業發展較好，在農業生產過程中化肥、農藥等農資投入過剩，雖農業生產效益高但生產效率較低，造成了農業的碳排放，存在一定的碳補償空間，可減少化肥、農藥等投入通過減排措施減少農業碳排放，增加生產效率，從而增加農業碳補償率。農業碳補償潛力最低的為陽泉市(0%)，其次是晉中市(5.06%)、長治市(7.21%)和臨汾市(10.40%)，這些地市農業碳補償率較高，其農業碳匯可以有效中和農業生產過程中產生的碳排放，并且存在碳匯盈余吸收工業生產等產生的碳排放，促進農業碳補償的“以農補工”。從地區分布來看，山西省農業碳補償潛力區呈現出明顯的地區差異，中、高農業碳補償潛力區主要集中在北部地區，低農業碳補償潛力區主要集中在南部地區，南部地區只有運城市和晉城市位于農業碳補償中潛力區，而北部地區所有地市均處于農業碳補償中、高潛力區。因此要充分挖掘山西北部地區的農業碳補償潛力，制定多元化的碳減排策略，促進農業清潔生產。

2009年-2020年山西省農業碳補償平均潛力圖

39.95- 42. 73

52.13

圖 5.1 2009—2020 年山西省農業碳補償平均潛力圖

表 5.1 2009—2020 年山西省 11 個地市農業碳補償平均潛力（%）

分類范圍地區數量

最高碳補償潛力 >50% 大同市（52.13） 1

忻州市（39.95）、朔州市（42.24）、呂梁市

高碳補償潛力 20%~50% （42.54）、太原市（42.73） 4

中碳補償潛力 15%~20% 晉城市（16.20）、運城市（18.66） 2

陽泉市（0）、晉中市（5.06）、長治市（7.21）、

低碳補償潛力 <15% 臨汾市（10.40） 4

5.2.2 地區層面農業碳補償平均潛力差異分析

將山西省分為北部和南部地區， 2009—2020 年北部地區農業碳補償率最高的為忻州市，南部地區農業碳補償率最高的為陽泉市，以忻州市和陽泉市作為比較標準利用條件趨同法分別測算了北部、南部地區的農業碳補償平均潛力。

圖5.2、表5.2 為 2009—2020 年山西省兩大地區條件趨同的基本情況，山西省農業碳補償平均潛力呈現出了明顯的地區差異。南部地區的農業碳補償潛力大，平均碳補償潛力為 11.51%，高于北部地區（8.26%）。山西省北部地區不斷推動農牧交錯帶的建設，畜禽養殖碳排放高于南部地區，且農業碳吸收量低于南部地區；南部地區農作物種植面積廣闊，自然條件好，光照充足，種植業發展較好，作物固碳功能更為顯著，農業碳補償率增長空間相對較大。北部、南部地區的農業碳補償率存在空間相關性和趨同情況，基于條件趨同原理，大多數地區的農業碳補償潛力會小于以陽泉市作為比較標準所測算的結果，農業碳補償壓力隨之降低。從地區層面來看，北部地區農業碳補償平均潛力最高的為大同市（20.28%），其余地市農業碳補償平均潛力均小于 5%，與山西省層面絕對趨同的結果相比，農業碳補償空間縮小。南部地區農業碳補償平均潛力相差較大，最高的為運城市（18.66%）和晉城市（16.20%），最低為陽泉市（0%）。高農業碳補償平均潛力的地區與本地區內其他地市相比，農業碳減排空間充足，應加強區域合作，發展低碳農業，挖掘高農業碳補償平均潛力地區的農業碳補償潛力。

圖 5.2 2009—2020年北部和南部地區農業碳補償平均潛力圖

表5.2 2009—2020 年山西省地區層面農業碳補償平均潛力(%)

北部地區南部地區

地市碳補償潛力地市碳補償潛力

太原市 4.63 陽泉市 0.00

大同市 20.28 長治市 7.21

朔州市 3.81 晉城市 16.20

忻州市 0.00 晉中市 5.06

呂梁市 4.30 運城市 18.66

臨汾市 10.40

均值 8.26 均值 11.51

5.3本章小結

利用參數對比法從全省和地區層面分析了農業碳補償潛力的區域差異，從山西省層面來看，大部分地市的農業碳補償率較低，存在一定的碳補償潛力挖掘空間。農業碳補償潛力最高的為大同市(52.13%)，中、高農業碳補償潛力區主要集中在北部地區，低農業碳補償潛力區主要集中在南部地區。從地區層面來看，大多數地

區的農業碳補償潛力會小于以臨汾市作為比較標準所測算的結果，農業碳補償壓力隨之降低。山西北部農業碳補償平均潛力最高的為大同市（20.28%），與山西省層面絕對趨同的結果相比，農業碳補償空間縮小，山西南部農業碳補償平均潛力最高的為運城市（18.66%）。

第 6 章山西省綠色農業發展對策

6.1 因地制宜，促進山西省綠色農業特色產業發展

因地制宜制定山西省 11 個地市的綠色農業發展對策，促進農業碳減排，增強各地市農業的碳補償能力。積極發展綠色農業，優化農業產業結構和產品結構，推動綠色低碳循環的農業發展模式，推廣綠色農產品的種植，提高農產品的質量。結合各地市的農業發展特色，加強區域性綠色農產品品牌化建設，穩定玉米生產，優化種植結構，培育雜糧、蔬菜、瓜果等特色優勢產業，同時種植碳匯功能顯著、經濟價值相對較高的農作物，相應增強作物的碳匯功能。

從山西省 11 個地市的自然條件稟賦及農業產業結構特點入手，優化各地市的產業結構，打造特色優勢產業集群，突出各地市的發展特色。山西南部如運城市、臨汾市和晉中市作物種植面積廣闊，發展低碳種植業，打造蔬菜產業集群，推進設施蔬菜提質增效，提高蔬菜供應能力，支持運城蘋果和吉縣蘋果等水果產業集群，充分發揮作物的碳匯功能，開展種養結合的低碳型種植業發展模式。山西北部如大同市和朔州市畜牧業發展較好，積極發展低碳畜牧業，開展農牧復合、生態循環的低碳型畜牧業發展模式，在忻州市打造以雜糧為核心的特色農業，以此帶動傳統產業轉型升級，積極發展區域比較優勢。

6.2以技術發展為推動力，提高農業資源利用效率

以農業技術發展為推動力，提高山西省農業資源利用效率，從供給端和需求端入手，有效挖掘山西省 11 個地市的農業碳補償潛力。轉變農資投入方式，從源頭上減少農業生產過程中的碳排放。響應山西省“化肥農藥零增長”的政策號召，依據《2022年山西省農藥減量增效工作指導意見》和《2022年山西省化肥減量增效工作指導意見》，全面落實“農藥化肥減量增效行動”工作任務，減少農藥、化肥等的投入，推廣以配方施肥替代習慣施肥、有機肥替代化肥、新型肥料替代傳統肥料、機械施肥替代人工施肥，使用適于當地病蟲綠色防控的新技術、新產品，全面提升病蟲害防控技術水平，有效減少農藥面源污染和農藥殘留，使用生物可降解地膜，改善土壤有機質環境，提高作物固碳能力。

有效規范并優化農業廢棄物（秸稈、農膜、畜禽糞便等）的回收和再利用，促

進山西省綠色低碳循環農業的發展。秸稈可以做肥料、燃料、飼料以及原料，利用途徑廣泛，實施農作物秸稈基料、肥料、飼料、燃料綜合利用，推進畜禽糞便有機肥料加工，通過生態循環提高農業廢棄物利用效率，保護農業生態系統。降低對化石燃料的依賴，根據不同地區的農業生產環境利用秸稈和禽畜糞便等資源發展清潔能源產業，因地制宜加強落實沼氣產業項目，研發和推廣“秸稈-沼氣池-電、秸稈-糞便-有機肥料、牲畜糞便+花卉、蔬菜”等生態循環模式，通過生態循環將農業發展過程產生的主要廢棄物資源轉化為肥料、電力，在實現農業廢棄物資源化利用的同時促進鄉村環境的治理。山西省天然牧草較少，多為農區畜牧業，積極推動畜禽養殖的規模經營，進行科學、統一管理，改進不同牲畜的飼料配方，減少對牲畜營養品的過分使用，增加秸稈等自然草源的投入，促進山西省低碳畜禽養殖業的發展。

6.3促進區域交流合作，推進區域協同減排

前文研究表明，一個地區農業碳補償率不僅受到本地市各因素的影響，還與鄰近地區發展情況相互關聯，各地市應加強共同合作、共享低碳技術成果，通過區域聯動，在更廣范圍應用低碳農業生產技術，實現區域協同減排增匯。一是增強山西省各地市農業經濟聯系，為綠色低碳循環農業技術共享創造條件，使農業資源能夠在區域之間更好地分配；二是促進農業技術研發的“強強合作”，搭建農業技術傳遞平臺和機制來解決信息不暢、資金約束和技術應用風險等問題，發揮中心區的示范效應和周邊區域的學習效應；三是推動區域協同發展和綠色農業產業融合戰略，以產業合作促技術吸收，進而帶動山西省綠色農業的發展。

從山西省層面來看，高碳補償潛力區主要集中在山西南部，保持山西南部低碳農業發展的良好勢頭，逐步打破行政邊界的藩籬，發揮高碳補償率地市（如晉中市、長治市和臨汾市）的輻射效應與帶頭作用，加強各地市的農業經濟及技術交流與合作，促進各地市優勢整合互補，充分挖掘北部地區的農業碳補償潛力，利用農業生產中各地市的政策效仿等行為，實現區域協同減排雙贏局面。

從地區層面來看，發揮區域內部高碳補償率地市（陽泉市和忻州市）的帶頭作用，山西省北部地區充分挖掘大同市的農業碳補償潛力，大同市畜禽養殖碳排放較高，積極推進畜禽糞便的無害化處理，科學發展畜禽養殖；南部地區充分挖掘運城

市的農業碳補償潛力，運城市地勢平坦，農作物種植面積廣闊，農地利用碳排放較高，減少化肥等農資投入，科學制定農業減排增匯策略，以縮小區域發展差異。

6.4促進農地適度規模經營，優化土地利用格局

農業經濟發展水平與綠色農業的發展息息相關，發展綠色農業的同時應有效提高農業經濟發展水平，促進山西省農業向集約化、規模化、生態循環的發展模式轉變。收斂性檢驗結果表明農業經濟發展水平對山西省農業碳補償率的增長表現出顯著的正向關系。農業經濟發展水平越高，生產方式更集約、更規模化，將有助于農戶采取低碳生產方式進行農業生產，有效減少粗放經營模式帶來的環境污染，而且有利于減排技術的推廣。因此要大力推進農田整治，提高單幅土地面積和平整程度，鼓勵連片經營，提高農地利用效率；鼓勵農地規模化經營，提高單位農地經營面積，減少土地利用破碎化引發的多余碳排放；鼓勵農地利用流轉可以推動農業規模化經營，有利于農業生產方式向集約和低排放的模式轉變。加強和完善農地流轉市場建設，各鄉鎮政府建立土地流轉數據庫，土地流轉不局限于同村進行流轉，可以由一些企業、相鄰村鎮等的新型經營主體進行流轉，這在一定程度上會提高閑置農地的利用效率，同時一些企業的承包也帶動了經濟的發展。

土地是農業發展的載體，更是人類生存不可缺少的物質基礎。優化土地利用格局是完成《山西省農業可持續發展規劃（2016-2030 年）》、實現農業綠色低碳發展的重要手段。從收斂性檢驗結果可以看出，部門優化比例指數對山西省農業碳補償率的增長表現出顯著的正向關系。種植業產值占比越高，作物的碳匯功能就越顯著。因此應實行嚴格的耕地保護對策，加強耕地用途管制，控制耕地轉為建設用地或者其他農用地，實行永久基本農田保護制度，落實耕地占補平衡，實施土地開發整理，加強設施農用地管理和閑置管理，遏制耕地“非農化”，管控耕地“非糧化”，在保障糧食安全的基礎上充分發揮耕地的碳匯效應。耕地一旦改變用途，如將耕地用于建造廠房、房屋等，即使再投入到農業生產活動時，其自身的土壤肥力已不如從前，需要投入人力物力來進行土壤改良。因此一定要重視耕地資源的實際使用情況，建議地方政府要定期觀測耕地資源的使用情況，對擅自改變耕地用途的農戶進行罰款等措施，并勒令其在規定時間內自我整治。

6.5加強政策、財政扶持引導作用

政府政策的支持在山西省綠色農業發展中起著舉足輕重的作用。政府等職能機構大力提倡發展綠色農業，頒布并制定了相關政策法規，充分發揮政府對綠色農業發展的引導、鼓勵和支持作用，引導農戶及其他涉農主體進行有關綠色農業的一系列行為，如農戶減少農用物資投入、農業技術研發組織大力開發農業碳減排技術等，是綠色農業發展的重要推動者。同時建立合理的綠色農業財政補貼，例如農用生產機械購買補貼、農業生產用電補貼、購買“特種肥料”補貼；在稅收上，給予大型承包戶和農業組織稅收優惠。除了對農戶進行補貼，還應對符合綠色低碳農業生產行為的企業進行補貼，降低企業生產成本，才能使低碳農業生產技術和生產資料得到更廣泛的使用，從而推進農業的綠色發展。

為農業技術創新營造良好的管理制度環境，加大對農業綠色低碳技術支持力度，鼓勵研發綠色低碳農業技術。圍繞綠色農業技術進步與科技成果轉化建立并完善相關激勵機制，對綠色農業技術研究予以專款支持，增加推動綠色農業發展的財政性投入，同時積極引入社會資本，全面調動各方相關主體的減排積極性，促進山西省農業經濟增長與綠色低碳化發展并行。

6.6本章小結

結合山西省實際情況，因地制宜制定山西省 11 個地市的低碳農業發展政策，積極發展區域比較優勢，促進山西省綠色農業特色產業發展；以農業技術發展為推動力，提高農業資源利用效率，從供給端和需求端入手，有效挖掘山西省 11個地市的農業碳補償潛力；促進區域交流合作，推進區域協同減排；促進農地適度規模經營，優化土地利用格局；加強政策、財政對綠色農業發展的扶持引導作用。加快山西省低碳農業升級轉型，促進農業向生態、循環、綠色和低碳的發展模式轉變。

第7 章結論與展望

7.1 研究結論

本文從農地利用、畜禽養殖和作物固碳3 個方面構建核算清單，兼顧農業碳排放和碳吸收的雙重特性，將農業吸收量與排放量的差值定義為農業碳效應，測算 2009—2020年山西省11個地級市的農業碳排放、碳吸收和碳效應，并分析時空變化特征。利用空間自相關分析和考慮空間效應的卩收斂性檢驗驗證山西省11個地市農業碳補償率的空間相關性和趨同情況，在此基礎上利用參數對比法分析山西省11個地市的農業碳補償潛力，為促進山西省區域協同減排提供相應的對策建議。主要結論如下：

（1）2009—2020 年山西省農業生態系統是一個碳匯系統，年均農業碳排放總量為357.14萬噸，農地利用年均碳排放量為264.10萬噸，是山西省主要的農業碳源；年均農業碳吸收總量為1421.19萬噸，糧食作物年均碳吸收量為1313.86萬噸，是山西省作物固碳的主要類別；山西省農業生態系統碳效應為凈碳匯，年均凈碳匯量為1064.05萬噸。從空間分布來看，山西省11個地市的農業碳效應均表現為農業碳匯，利用當年均值將各地市的農業碳效應劃分為低、中、較高和高四個等級，山西省農業碳效應具有明顯的空間差異特征，以中碳效應區和較高碳效應區為主，中碳效應區數量不斷增加，高碳效應區分布較穩定且主要位于山西南部。

（2） 2009—2020年山西省11個地市農業碳補償率的全局Moran's I指數均為正值，農業碳補償率表現出顯著的空間正相關，呈現出高高、低低相對聚集的態勢，高值集聚的地市主要位于山西南部，低值集聚的地市則主要位于山西北部。將山西省劃分為北部（大同、朔州、忻州、太原、呂梁）和南部（晉中、長治、晉城、運城、臨汾、陽泉），山西省、山西省北部以及山西省南部地區絕對收斂和條件收斂的結果均顯著為負值，與高值區域相比農業碳補償率低值區域的增速更快，農業碳補償率在區域內呈現出趨同的態勢。

（3）利用參數對比法從全省和地區層面分析了農業碳補償潛力的區域差異，從山西省層面來看，農業碳補償潛力最高的為大同市（52.13%），中、高農業碳補償潛力區主要集中在北部地區，低農業碳補償潛力區主要集中在南部地區。從地區層面來看，山西北部農業碳補償平均潛力最高的為大同市（20.28%），與山西省層

面絕對趨同的結果相比，農業碳補償空間縮小，山西南部農業碳補償平均潛力最高的為運城市（18.66%）。

（4）結合山西省實際情況，因地制宜制定山西省11 個地市的低碳農業發展政策，積極發展區域比較優勢，促進山西省綠色農業特色產業發展；以農業技術發展為推動力，提高農業資源利用效率，從供給端和需求端入手，有效挖掘山西省 11 個地市的農業碳補償潛力；促進區域交流合作，推進區域協同減排；促進農地適度規模經營，優化土地利用格局；加強政策、財政對綠色農業發展的扶持引導作用。

7.2研究不足與研究展望

盡管本文盡可能地收集了大量的文獻資料及數據以充實和豐富文章的內容，但受筆者人力、物力等因素的限制，本文仍存在一些不足之處：（ 1）針對農業碳效應的核算模型，核算系數并未實地測定與修正，而是借鑒前人研究成果所確定的，未能實現核算系數本地化，而且未考慮土壤碳庫、農業廢棄物等對農業碳效應的影響，由于核算因子和系數直接影響著碳排放量，因此本文研究所到得的碳效應可能會有偏差，但結果仍在可理解和接受的范圍內。（ 2）農業綠色低碳循環發展的相關政策措施（包括規劃）、新技術（包括智能化數字化等技術）等因素會對農業碳補償率產生影響，本文并未結合這些因素進行條件B收斂性檢驗分析。（3）本文采用參數對比法分析了農業碳補償潛力的區域差異，但該研究方法主觀性較強，在計算時僅考慮了實際某個年份的最高值，該實際值在技術進步等要素作用下，可能會發生較大變化。因此，按照實際最大值來估算潛力，可能與理論上的潛力值相差較大。

針對論文研究的不足之處，未來可從以下幾個方面進一步深入探討：（ 1）在未來的研究中應制定更加全面的農業碳效應核算清單，結合山西省實際狀況對核算系數進行修正，加強核算系數的本土化研究。（ 2）更全面地選取農業碳補償率的影響因素，增加相關政策措施和技術的研究。（3）采用多途徑、多方法聯用對山西省農業碳補償潛力進行分析。利用實際值的歷史增長率來確定基準值，在考慮各地區硬約束條件的基礎上，設置低碳型、高碳型等不同情景以分析農業的碳補償潛力，在此基礎上提出更具有針對性的低碳農業發展對策。

參考文獻

[1]陳菡,陳文穎，何建坤.實現碳排放達峰和空氣質量達標的協同治理路徑J].中國人口 •資源與環境,2020,30(10):12-18.

[2]Norse D. Low carbon agriculture: Objectives and policy pathwaysJ]. Environmental Development,2012,1(1):25-39.

[3]謝淑娟，匡耀求,黃寧生.中國發展碳匯農業的主要路徑與政策建議J].中國人口 •資源與環境,2010,20(12):46-51.

[4]張廣勝，王珊珊.中國農業碳排放的結構、效率及其決定機制[J].農業經濟問題,2014,35(7):18-26+110.

[5]陳煒,殷田園,李紅兵.1997-2015 年中國種植業碳排放時空特征及與農業發展的關系[J].干旱區資源與環境,2019,33 (2) :37-44.

[6]吳賢榮,張俊飚,程琳琳.中國省域農業碳減排潛力及其空間關聯特征—基于空間權重矩陣的空間Durbin模型J].中國人口 •資源與環境,2015,25(6):53-61.

[7]沈能,王艷,王群偉.集聚外部性與碳生產率空間趨同研究J].中國人口 •資源與環境,2013,23(12):40-47.

[8]劉倩.碳中和不止于減排[N].中國城鄉金融報,2021-02-26.

[9]West T O, Marland G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: comparing tillage practices in the United States[J]. Agriculture, Ecosystems & Environment,2002,91(1-3):217-232.

[ 10] Johnson J M F, Franzluebbers A J, Weyers S L, et al. Agricultural opportunities to mitigate greenhouse gas emissions[J]. Environmental pollution,2007,150(1):107-124.

[11]Meyer-Aurich A, Weersink A, Janovicek K, et al. Cost efficient rotation and tillage options to sequester carbon and mitigate GHG emissions from agriculture in Eastern Canada[J]. Agriculture, ecosystems & environment,2006,117(2-3):119-127.

[12]Wisniewski P, Kistowski M. Assessment of greenhouse gas emissions from agricultural sources in order to plan for needs of low carbon economy at local level in Poland[J]. Geografisk Tidsskrift-Danish Journal of Geography,2018,118(2):123- 136.

[13]李國志,李宗植.中國農業能源消費碳排放因素分解實證分析—基于 LMDI 模型J].農業技術經濟,2010(10):66-72.

[14]班榮舶，王家錄.安順市畜禽養殖碳排放時空差異研究[J].地域研究與開發,2017,36(2):151-155.

[15]李波,張俊飚，李海鵬.中國農業碳排放時空特征及影響因素分解[J] •中國人口 •資源與環境,2011,21 (8):80-86．

[16]戴小文,楊雨欣.2007—2016 年中國省域種植業碳排放測算、驅動效應與時空特征[J].四川農業大學學報,2020,38 (2):241-250.

[17]伍國勇，孫小鈞.中國種植業碳生產率空間關聯格局及影響因素分析[J].中國人口 •資源與環境,2020,30(5):46-57.

[18]閔繼勝，胡浩.中國農業生產溫室氣體排放量的測算[J].中國人口 •資源與環境, 2012(7):21-27.

[19]田云,張俊飚，李波.中國農業碳排放研究:測算、時空比較及脫鉤效應[J].資源科學,2012,34(11):2097-2105.

[20]吳賢榮，張俊飚.中國省域農業碳排放:增長主導效應與減排退耦效應[J].農業技術經濟,2017(5):27-36.

[21]Baritz R, Seufert G, Montanarella L, et al. Carbon concentrations and stocks in forest soils of Europe[J]. Forest Ecology and Management,2010,260(3):262-277.

[22]Bigsby H. Carbon banking: creating flexibility for forest owners[J]. Forest Ecology and Management,2009,257(1):378-383.

[23]Paustian K, Andren O, Janzen H H, et al. Agricultural soils as a sink to mitigate CO2 emissions[J]. Soil use and management,1997,13:230-244.

[24]Lal R, Bruce J P. The potential of world cropland soils to sequester C and mitigate the greenhouse effect[J]. Environmental Science & Policy,1999,2(2):177-185.

[2 5 ] Wang J, Epstein H E. Estimating carbon source-sink transition during secondary succession in a Virginia valley[J]. Plant and soil,2013,362(1):135-147.

[26]Sonja K, Rega C, Moreno G, et al. Agroforestry creates carbon sinks whilst enhancing the environment in agricultural landscapes in Europe[J]. Land use policy,2019,83:581-593.

[27]趙榮欽，秦明周.中國沿海地區農田生態系統部分碳源/匯時空差異[J].生態與農村環境學報,2007,23(2):1-6,11.

[28]楊果，陳瑤.中國農業源碳匯估算及其與農業經濟發展的耦合分析[J].中國人口 •資源與環境,2016,26(12):171-176.

[29]姜藍齊，臧淑英.松嫩平原農田土壤有機碳變化及固碳潛力估算[J].生態學報,2017,37(21):7068-7081.

[30]田云, 張俊飚 . 中國農業生產凈碳效應分異研究 [J]. 自然資源學報,2013,28(8):1298-1309.

[31]陳羅燁, 薛領. 中國農業凈碳匯時空演化特征分析 [J]. 自然資源學報,2016,31(4):596-607.

[32]翁翎燕，朱振宇.江蘇省農田植被凈碳匯時空格局分析[J].農業工程學報,2018,34(6):233-241.

[33]田云,張俊飚.中國低碳農業發展的動態演進及收斂性研究[J].干旱區資源與環境,2017,31 (3):1-7.

[34]吳昊玥,何艷秋,陳柔.中國農業碳排放績效評價及隨機性收斂研究:基于 SBM- Undesirable模型與面板單位根檢驗[J].中國生態農業學報,2017,25(9):1381- 1391.

[35]吳昊玥,何艷秋,陳文寬.中國農業碳補償率空間效應及影響因素研究-基于空間 Durbin 模型[J].農業技術經濟,2020,(3):110-123.

[36]伍國勇，陳瑩，孫小鈞.中國種植業碳補償率區域差異、動態演進及收斂性分析[J]. 中國生態農業學報(中英文),2021,29(10):1774-1785.

[37]Cole C V, Duxbury J, Freney J, et al. Global estimates of potential mitigation of greenhouse gas emissions by agriculture[J]. Nutrient cycling in Agroecosystems, 1997,49(1):221-228.

[38]Ghorbani M, Motallebi M. The study on shadow price of greenhouse gases emission in Iran: case of dairy farms[J]. Research Journal of Environmental Sciences, 2009, 3. (4):466-475.

[39]Suddick E C, Scow K M, Horwath W R, et al. The potential for California agricultural crop soils to reduce greenhouse gas emissions: A holistic evaluation[M]//Advances in Agronomy. Academic Press,2010,107:123-162.

[40]Tang K, Gong C, Wang D. Reduction potential, shadow prices, and pollution costs of agricultural pollutants in China[J]. Science of the Total Environment,2016,541:42- 50.

[41]Fei R, Lin B. Technology gap and CO2 emission reduction potential by technical efficiency measures: A meta-frontier modeling for the Chinese agricultural sector[J]. Ecological Indicators,2017,73:653-661.

[42]Frank S, Havlik P, Stehfest E, et al. Agricultural non-CO2 emission reduction potential in the context of the 1.5 C target[J]. Nature Climate Change,2019,9(1):66- 72.

[43]Lee Y J, Kim N W, Choi K H, et al. Analysis of the informational efficiency of the EU carbon emission trading market: Asymmetric MF-DFA approach[J]. Energies,2020,13(9):2171.

[44]吳賢榮，張俊飚，田云.基于公平與效率雙重視角的中國農業碳減排潛力分析J]. 自然資源學報,2015,30(7):1172-1182.

[45]李靜,李紅,謝麗君.中國農業污染減排潛力、減排效率與影響因素[J].農業技術經濟,2012,31(6):118-126．

[46]高標，房驕.區域農業碳排放與經濟增長演進關系及其減排潛力研究[J].干旱區資源與環境,2017,31(1):13-18.

[47]冉錦成，馬惠蘭，蘇洋.西北五省農業碳排放測算及碳減排潛力研究J].江西農業大學學報,2017,39(3):623-632.

[48]王臘芳，段文靜.中國制造業節能潛力的區域及行業差異J].地理研究,2015,34(1):109-121.

[49]張軍偉，張錦華,吳方衛.我國糧食生產的碳排放及減排路徑分析J].統計與決策,2018,34(14):168-172.

[50]伍國勇，劉金丹,楊麗莎.中國農業碳排放強度動態演進及碳補償潛力J].中國人口 •資源與環境,2021,31(10):69-78.

[51]朱宇恩,孟繁健.農業生物質炭固碳潛力及經濟效益分析——以山西省為例.自然資源學報,2017(12) : 2115-2124

[52]楊璐,李夏菲.湖北省豬糞管理溫室氣體減排潛力分析.資源科學,2016(3):557- 564

[53]鄭恒，李躍.低碳農業發展模式探析J].農業經濟問題,2011,32(6):26-29.

[54]韓岳峰,張龍.中國農業碳排放變化因素分解研究:基于能源消耗與貿易角度的 LMDI分解法J].當代經濟研究,2013(4):47-52.

[55]何艷秋，陳柔.策略互動和技術溢出視角下的農業碳減排區域關聯[J].中國人口 •資源與環境,2021,31(6):102-112.

[56]Chatterjee D K. World Commission on Environment and

Development[J].Environmental Policy & Law,1987,14(1):26-30.

[57]段華平，張悅.中國農田生態系統的碳足跡分析[J].水土保持學報,2011,25(5):203- 208.

[58]王樹濤，門明新.農田土壤固碳作用對溫室氣體減排的影響[J].生態環境,2007(6):1775-1780.

[59]Elhorst J P. Specification and estimation of spatial panel data models[J]. International regional science review,2003,26(3):244-268.

[60]IPCC. Climate Change 2007: The Physical Science Basis: Working Group I Contribution to the Fourth Assessment Report of The Intergovernmental Penal on Climate Change[M]. New York: Cambridge University Press,2007.

[61]羅懷良.中國農田作物植被碳儲量研究進展.生態環境學報, 2014, 23(4):692-697.

[62]韓召迎，孟亞利.區域農田生態系統碳足跡時空差異分析——以江蘇省為案例[J]. 農業環境科學學報, 2012, 31(5):1034-1041.

[63]王修蘭.全球農作物對大氣CO2及其倍增的吸收量估算[J].氣象學報,1996,54(4):466-472.

[64]田云，張君.地理分區視角下的農業碳效應驅動機理研究[J].華中農業大學學報 (社會科學版),2020(02):78-87+165-166.

[65]王強,伍世代.中國工業經濟轉型過程中能源消費與碳排放時空特征研究[J].地理科學,2011,31(1):36-41.

[66]張巍.陜西省重點生態功能區碳匯/碳源核算與生態補償研究[J].生態經濟,2018,34(10):191-194.

[67]Anselin L. Spatial Econometrics: Methods and Models[M]. Dordrecht: Springer Science & Business Media,1988:7-13.

[68]李秋萍，李長建,肖小勇，武紅.中國農業碳排放的空間效應研究[J].干旱區資源與環境,2015,29(4):30-35

[69]劉佳駿，史丹，汪川.中國碳排放空間相關與空間溢出效應研究[J].自然資源學扌艮,2015,30(8):1289-1303

[70]陳羅燁，薛領，雪燕.中國農業凈碳匯空間集聚與分異[J].生態環境學扌艮,2015,24(11):1777-1784

[71]蘇洋,馬惠蘭，顏璐.新疆農地利用碳排放時空差異及驅動機理研究[J].干旱區地理,2013,36(6):1162-1169

[72]邱怡慧，王璞，蘇時鵬.中國農地利用碳排放時空演變特征及驅動因素研究一